Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Image Based Personalized Bone Therapy Planning using Deep Learning
Übersetzter Titel:
Bildbasierte personalisierte Knochentherapieplanung mit Deep Learning
Autor:
Bayat, Amirhossein
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Menze, Björn (Prof. Dr.)
Gutachter:
Menze, Björn (Prof. Dr.); Weber, Marc-André (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik; MED Medizin
Stichworte:
Medical Imaging, Deep Learning, Spine, 3D reconstruction
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
In this dissertation we present a fully automatic method based on a deep neural network (DNN) to reconstruct the 3D shape of the spine from orthogonal 2D radiographs and vertebral centroid annotations. We train the DNN model on synthetic data, successfully deploy it on real-world clinical data, and reconstruct the 3D spinal pose in an upright standing position. We also explore the idea of designing the patient-specific implants from CT scans of defective skulls using deep learning.
Übersetzte Kurzfassung:
Wir stellen eine automatische Methode vor, die auf einem tiefen neuronalen Netz basiert, um die 3D-Form der Wirbelsäule aus orthogonalen 2D-Röntgenbildern und Wirbelkommentaren zu rekonstruieren. Wir trainieren das DNN-Modell auf synthetischen Daten, setzen es erfolgreich auf realen klinischen Daten ein und rekonstruieren die 3D-Wirbelsäulenhaltung in einer aufrechten Position. Wir untersuchen auch die Idee, patientenspezifische Implantate anhand von CT-Scans defekter Schädel zu entwerfen.
WWW:
https://mediatum.ub.tum.de/?id=1632504
Eingereicht am:
29.11.2021
Mündliche Prüfung:
02.12.2022
Dateigröße:
10620536 bytes
Seiten:
106
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221202-1632504-1-0
Letzte Änderung:
22.02.2023
 BibTeX