Computer-Aided-Diagnosis for Laryngeal Lesion Assessment: A Feature Extraction and Machine Learning Approach Applied on Enhanced Contact Endoscopy Images

Esmaeili, Nazila

User: Guest

Feinwerktechnik, Medizintechnik, Technische Optik, Reprographietechnik

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:: Computer-Aided-Diagnosis for Laryngeal Lesion Assessment: A Feature Extraction and Machine Learning Approach Applied on Enhanced Contact Endoscopy Images
Translated title:: Computergestützte Diagnose zur Beurteilung von Kehlkopfläsionen: Merkmalsextraktion und maschinelles Lernen angewandt auf kontrastverstärkte Kontaktendoskopiebilder
Author:: Esmaeili, Nazila
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Navab, Nassir (Prof. Dr.)
Referee:: Navab, Nassir (Prof. Dr.); Friebe, Michael (Prof. Dr.); Nensa, Felix (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik; FEI Feinwerktechnik, Medizintechnik, Technische Optik, Reprographietechnik; MED Medizin
TUM classification:: MED 230; DAT 760
Abstract:: This dissertation presents the development and validation of different feature extraction and Machine Learning techniques for laryngeal lesion assessment using Contact Endoscopy combined with Narrow Band Imaging images. The effectiveness of all methods is demonstrated in different classification scenarios on the generated data set. The application of these methods in a Computer Aided Diagnosis system can increase objective evaluation of laryngeal lesions and reduce the need for surgical biopsy.
Translated abstract:: Diese Dissertation stellt die Entwicklung und Validierung verschiedener, auf Merkmalsextraktion und maschinellem Lernen basierender, Verfahren zur Beurteilung von Kehlkopfläsionen mittels Kontaktendoskopie mit Narrow Band Imaging vor. Die Effektivität aller Methoden wird in unterschiedlichen Klassifizierungsszenarien am generierten Datenset aufgezeigt. Die erhöhte Objektivität dieser Methoden in einem computergestützten Diagnosesystem, kann die Notwendigkeit chirurgischer Biopsien verringern.
WWW:: https://mediatum.ub.tum.de/?id=1711528
Date of submission:: 21.06.2023
Oral examination:: 15.10.2024
File size:: 12106231 bytes
Pages:: 141
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241015-1711528-1-1
Last change:: 11.11.2024
BibTeX

Occurrences:

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Medizin

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Science

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Feinwerktechnik, Medizintechnik, Technische Optik, Reprographietechnik

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Datenverarbeitung, Informatik

mediaTUM Gesamtbestand Hochschulbibliographie 2024 Schools und Fakultäten TUM School of Computation, Information and Technology Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)