Localising Anatomical Structures and Quantifying Tumour Burden in PET/CT Images using Machine Learning

Bieth, Marie

Datenverarbeitung, Informatik

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Localising Anatomical Structures and Quantifying Tumour Burden in PET/CT Images using Machine Learning
Translated title:: Lokalisierung von anatomischen Strukturen und Quantifizierung der Tumorlast in PET/CT Bildern mit maschinellem Lernen
Author:: Bieth, Marie
Year:: 2017
Document type:: Dissertation
Faculty/School:: Fakultät für Informatik
Advisor:: Menze, Björn (Prof. Dr.)
Referee:: Menze, Björn (Prof. Dr.); Schwaiger, Markus (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: DAT 760d; MED 230d
Abstract:: Progress in medical imaging have made it an essential tool for cancer diagnosis and staging. In this thesis, we introduce new methods for the analysis of PET/CT images using machine learning. In particular, we propose new approaches for segmenting bones and organs and define new multimodal global and local indices assess bone lesions.
Translated abstract:: Dank Fortschritte in der medizinischen Bildgebung ist diese zu einem zentralen Werkzeug für die Diagnose und Bewertung von Krebs geworden. In dieser Doktorarbeit werden neue Methoden für die Analyse von PET/CT Daten mit maschinellem Lernen eingeführt. Es werden neue Verfahren für die Segmentierung von Knochen und Organen vorgestellt und neue multimodale lokale und globale Indizes für die Auswertung von Knochenläsionen definiert.
WWW:: https://mediatum.ub.tum.de/?id=1374724
Date of submission:: 30.08.2017
Oral examination:: 17.11.2017
File size:: 20878903 bytes
Pages:: 129
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20171117-1374724-1-8
Last change:: 30.11.2017
BibTeX