User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Deep learning for blood cell image analysis
Translated title:
Deep Learning für die Bildanalyse von Blutzellen
Author:
Tomczak, Agnieszka Maria
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Rajpoot, Nasir (Prof. Dr.); Albarqouni, Shadi (Prof. Dr.)
Language:
en
Subject group:
NAT Naturwissenschaften (allgemein)
TUM classification:
MED 230; DAT 760
Abstract:
Chemical staining is one of the crucial components of blood analysis as it enhances structures otherwise invisible to the human eye, allowing the classification of the white blood cell and a diagnosis. This thesis investigates if it is possible to replace the chemical process with a digital one, reducing effort and waste. It proposes multiple deep-learning methods for artificial staining, tools for estimating its uncertainty, and shows the results of a clinical validation study.
Translated abstract:
Die chemische Färbung ist eine der wichtigsten Komponenten der Blutanalyse. Sie hebt Strukturen hervor, die sonst unsichtbar sind, und hilft bei einer Diagnose. In dieser Arbeit wird untersucht, ob es möglich ist, den chemischen Prozess durch einen digitalen Prozess zu ersetzen und den Aufwand zu reduzieren. Diese Arbeit schlägt Deep-Learning-Methoden für die künstliche Färbung und Abschätzung ihrer Unsicherheit vor und zeigt die Ergebnisse einer klinischen Validierungsstudie.
WWW:
https://mediatum.ub.tum.de/?id=1700238
Date of submission:
22.02.2023
Oral examination:
18.10.2023
File size:
41675747 bytes
Pages:
146
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231018-1700238-1-7
Last change:
19.02.2024
 BibTeX