User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Learning Robust Representations for Medical Diagnosis
Translated title:
Das Lernen robuster Repräsentationen für medizinische Diagnose
Author:
Paschali, Magdalini
Year:
2021
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Rückert, Daniel (Prof. Dr.)
Language:
en
Subject group:
NAT Naturwissenschaften (allgemein)
TUM classification:
MED 230; DAT 760
Abstract:
This dissertation tackles the issues of improving and evaluating the robustness of machine learning models for medical diagnosis. We describe a data augmentation technique that improves a model’s robustness, a compression approach that enhances the training dynamics of volumetric models and a robustness evaluation scheme using adversarial examples. Moreover, we explore robustness beyond imaging data and introduce a method for longitudinal depression score prediction from neuropsychological data.
Translated abstract:
Diese Dissertation befasst sich mit der Verbesserung und Evaluierung der Robustheit von Modellen für die medizinische Diagnose. Wir beschreiben eine Technik zur Datenerweiterung, die die Robustheit eines Modells verbessert, einen Komprimierungsansatz, der die Trainingsdynamik von Modellen verbessert, und ein Schema zur Bewertung der Robustheit mit adversen Beispielen. Des Weiteren stellen wir eine Methode zur longitudinalen Vorhersage von Depressionswerten aus neuropsychologischen Daten vor.
WWW:
https://mediatum.ub.tum.de/?id=1610629
Date of submission:
11.05.2021
Oral examination:
21.09.2021
File size:
16846483 bytes
Pages:
151
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210921-1610629-1-1
Last change:
02.11.2021
 BibTeX