Deep Learning-based Acoustic Sensing for Medical Applications
Translated title:
Deep Learning-basierte Akustische Signalverarbeitung für Medizinische Anwendungen
Author:
Seibold, Matthias Robert
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Denis, Kathleen (Assoc. Prof. Dr.); Fürnstahl, Philipp (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
MED 230; DAT 760
Abstract:
Acoustic signals contain valuable information about surgical actions, workflow, and medical outcome measures. This thesis proposes novel acoustic sensing paradigms for medical applications by combining highly sensitive sensor technology, advanced signal processing, and powerful cutting-edge deep learning-based analysis methods which enable the utilization of acoustic signals for the design of non-invasive, radiation-free, and low-cost multimodal sensing and support systems for interventions and diagnostics.
«
Acoustic signals contain valuable information about surgical actions, workflow, and medical outcome measures. This thesis proposes novel acoustic sensing paradigms for medical applications by combining highly sensitive sensor technology, advanced signal processing, and powerful cutting-edge deep learning-based analysis methods which enable the utilization of acoustic signals for the design of non-invasive, radiation-free, and low-cost multimodal sensing and support systems for interventions and...
»
Translated abstract:
Akustische Signale enthalten wertvolle Informationen über chirurgische Maßnahmen und Arbeitsabläufe. Diese Dissertation stellt neuartige Paradigmen für medizinische Anwendungen vor, indem hochempfindliche Sensortechnologie, fortschrittliche Signalverarbeitung und leistungsstarke, auf Deep Learning basierende Analysemethoden kombiniert werden, die die Nutzung akustischer Signale für die Entwicklung nicht-invasiver, strahlungsfreier und kostengünstiger multimodaler Unterstützungssysteme für medizinische Eingriffe und Diagnosen ermöglichen.
«
Akustische Signale enthalten wertvolle Informationen über chirurgische Maßnahmen und Arbeitsabläufe. Diese Dissertation stellt neuartige Paradigmen für medizinische Anwendungen vor, indem hochempfindliche Sensortechnologie, fortschrittliche Signalverarbeitung und leistungsstarke, auf Deep Learning basierende Analysemethoden kombiniert werden, die die Nutzung akustischer Signale für die Entwicklung nicht-invasiver, strahlungsfreier und kostengünstiger multimodaler Unterstützungssysteme für medizi...
»