User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Novel Analytical and Learning-based Image Processing Techniques for Dose Reduction in Interventional X-ray Imaging
Translated title:
Neuartige analytische und lernbasierte Bildverarbeitungsverfahren zur Röntgendosisreduktion für die interventionelle Röntgenbildgebung
Author:
Hariharan, Sai Gokul
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Unberath, Mathias (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
MED 230; DAT 760
Abstract:
X-ray guided interventional procedures have become increasingly important in medical practice. Since they may expose patients as well as clinical staff to a significant amount of radiation, the X-ray dose should be kept as low as reasonably achievable. Unfortunately, a reduction in X-ray dose results in a decreased signal-to-noise ratio. In order to improve X-ray image quality at reduced dose levels, novel machine learning-based image processing methods are developed and presented in this thesis
Translated abstract:
Röntgenbasierte interventionelle Eingriffe haben in der medizinischen Praxis zunehmend an Bedeutung gewonnen. Da sie jedoch zu einer signifikanten Strahlenbelastung für Patienten und Ärzte führen können, ist die Röntgendosis so niedrig wie möglich zu halten. Allerdings führt eine Senkung der Dosis zu einem reduzierten Signal-Rausch-Verhältnis. Um die Bildqualität bei reduzierter Dosis zu verbessern, werden in dieser Arbeit neue lernbasierte Bildverarbeitungsmethoden entwickelt und vorgestellt
WWW:
https://mediatum.ub.tum.de/?id=1692881
Date of submission:
13.12.2022
Oral examination:
27.06.2023
File size:
24713042 bytes
Pages:
200
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230627-1692881-1-9
Last change:
21.08.2023
 BibTeX