Supervised Deep Learning (DL) eignet sich hervorragend für die automatische Detektion von Anomalien in Gehirn-MRTs, benötigt für das Training aber große Mengen manuell annotierter Daten und bringt konzeptuelle Einschränkungen mit sich. Diese Dissertation beschreibt einen Weg hin zu Unsupervised Methoden, die nicht auf solche annotierten Daten angewiesen sind. Die wiss. Beiträge umfassen Semi-Supervised Konzepte sowie Methoden zur Anomalie-Detektion, die keinerlei pathologische Beispieldaten benötigen.     «

Supervised Deep Learning (DL) eignet sich hervorragend für die automatische Detektion von Anomalien in Gehirn-MRTs, benötigt für das Training aber große Mengen manuell annotierter Daten und bringt konzeptuelle Einschränkungen mit sich. Diese Dissertation beschreibt einen Weg hin zu Unsupervised Methoden, die nicht auf solche annotierten Daten angewiesen sind. Die wiss. Beiträge umfassen Semi-Supervised Konzepte sowie Methoden zur Anomalie-Detektion, die keinerlei pathologische Beispieldaten benö...     »