Benutzer: Gast  Login
Originaltitel:
Entwicklung von 2D- und 3D-Deep-Learning-Ansätzen zur Differenzierung von Atypischen Lipomatösen Tumoren von Lipomen basierend auf magnetresonanztomografischen Bildern
Übersetzter Titel:
Development of 2D and 3D Deep Learning Approaches for the Differentiation of Atypical Lipomatous Tumors from Lipomas Based on Magnetic Resonance Imaging
Autor:
Kramp, Daniel Wolfgang
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Medicine and Health
Institution:
Institut für Diagnostische und Interventionelle Radiologie (Prof. Makowski)
Betreuer:
Schwaiger, Benedikt (Priv.-Doz. Dr.)
Gutachter:
Schwaiger, Benedikt (Priv.-Doz. Dr.); Peeken, Jan (Priv.-Doz. Dr.)
Sprache:
de
Fachgebiet:
MED Medizin
TU-Systematik:
MED 540
Kurzfassung:
Die Forschungsarbeit entwickelte und trainierte 2D- und 3D-Deep-Learning-Modelle zur Unterscheidung von atypischen lipomatösen Tumoren (ALTs) und Lipomen in MRT-Bildern. Die Bildgebung erfolgte vor der Operation mithilfe von MRT-Scannern mit 1,5-Tesla- oder 3-Tesla-Magneten und umfasste verschiedene Sequenzen, darunter T1-gewichtete, T2-gewichtete und T1-gewichtete Sequenzen nach Gabe von Kontrastmitteln. Die höchste Genauigkeit erreichte 2D-Modell auf T1w-Bildern. Die 3D-Modelle schnitten etwas...     »
Übersetzte Kurzfassung:
The research developed and trained 2D and 3D deep learning models for distinguishing between atypical lipomatous tumors (ALTs) and lipomas in MRI images. Imaging was conducted preoperatively using MRI scanners with 1.5- or 3-Tesla magnets, covering various sequences, including T1-weighted, T2-weighted, and T1-weighted sequences after the application of contrast agent. The highest accuracy was achieved by the 2D model on T1w images, while 3D models performed slightly worse. Comparison with radiol...     »
WWW:
https://mediatum.ub.tum.de/?id=1738097
Eingereicht am:
22.03.2024
Mündliche Prüfung:
13.09.2024
Dateigröße:
6877658 bytes
Seiten:
47
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240913-1738097-1-4
Letzte Änderung:
18.11.2024
 BibTeX