Login
- Originaltitel:
- Ein Multitask Deep-Learning-Modell zur simultanen Erkennung, Segmentierung und Klassifizierung von Knochentumoren auf Basis von Röntgenbildern
- Übersetzter Titel:
- A multitask deep learning model for simultaneous detection, segmentation and classification of bone tumors based on X-ray images
- Autor:
- Schäfer, Valerie Sophie
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Medicine and Health
- Institution:
- Institut für Diagnostische und Interventionelle Radiologie (Prof. Makowski)
- Betreuer:
- Gersing, Alexandra (Priv.-Doz. Dr.)
- Gutachter:
- Gersing, Alexandra (Priv.-Doz. Dr.); Baum, Thomas (Prof. Dr.)
- Sprache:
- de
- Fachgebiet:
- MED Medizin
- TU-Systematik:
- MED 540
- Kurzfassung:
- Diese Arbeit, basierend auf einer klinischen Studie, thematisiert die Entwicklung eines Multitask Deep-Learning-Modells zur Klassifizierung von Knochentumoren als benigne oder maligne Läsion. Die Leistung des Modells in der Klassifizierung der Knochentumore als benigne oder maligne Läsion übertraf die Leistung der Assistenzärzt*innen für Radiologie und erreichte eine vergleichbar gute Leistung wie die der Fachärzt*innen für Radiologie mit muskuloskelettaler Expertise.
- Übersetzte Kurzfassung:
- This work, based on a clinical study, focuses on the development of a multitask deep learning model for the classification of bone tumors as benign or malignant lesions. The performance of the model in classifying bone tumors as benign or malignant lesions outperformed radiology residents and achieved a performance comparable to that of radiology specialists with musculoskeletal expertise.
- WWW:
- https://mediatum.ub.tum.de/?id=1730795
- Eingereicht am:
- 27.12.2023
- Mündliche Prüfung:
- 19.07.2024
- Dateigröße:
- 7925467 bytes
- Seiten:
- 57
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240719-1730795-1-4
- Letzte Änderung:
- 05.09.2024
BibTeX