User: Guest  Login
Less Searchfields
Simple search
Original title:
Efficient and Cross-Domain Deep Learning for Advanced Neuroimage Analysis
Translated title:
Effizientes und bereichsübergreifendes Deep Learning für die erweiterte Neurobildanalyse
Author:
Li, Hongwei
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Menze, Björn (Prof. Dr.)
Referee:
Menze, Björn (Prof. Dr.); Van Leemput, Koen (Prof. Dr.); Raviv, Tammy Riklin (Prof., Ph.D.)
Language:
en
Subject group:
NAT Naturwissenschaften (allgemein)
Keywords:
deep learning, neuroimaging, domain adaptation, image synthesis, image segmentation
Translated keywords:
Deep Learning, Neuroimaging, Domänenanpassung, Bildsynthese, Bildsegmentierung
TUM classification:
MED 230; DAT 760
Abstract:
Recent progress in machine learning, in particular deep learning, and the increasingly large-scale neuroimaging datasets, promise to improve brain-related healthcare. This dissertation aims to develop novel deep learning methods that process neuroimaging data efficiently, appreciate the imperfection of datasets, and generalize well to the shifted domains.
Translated abstract:
Die jüngsten Fortschritte im Bereich des maschinellen Lernens, insbesondere des Deep Learning, und die Sammlung von immer umfangreicheren multimodalen Neuroimaging-Datensätzen versprechen eine Verbesserung der Gesundheitsversorgung. Diese Dissertation zielt darauf ab, diese Engpässe durch die Entwicklung effizienter, bereichsübergreifender Deep-Learning-Methoden zu beheben, die Neuroimaging-Daten effizient verarbeiten, die Unvollkommenheit von Datensätzen berücksichtigen und sich gut auf die ver...     »
WWW:
https://mediatum.ub.tum.de/?id=1662230
Date of submission:
21.12.2022
Oral examination:
11.09.2023
File size:
23783222 bytes
Pages:
146
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230911-1662230-1-1
Last change:
04.12.2023
 BibTeX