Multiple Sklerose, Maschinelles Lernen, Klinisch Isoliertes Syndrom, Vorhersage, Random Forest Modell
TU-Systematik:
MED 540; MED 600
Kurzfassung:
Detecting lesions in magnetic resonance images plays a crucial role in the initial diagnosis and monitoring of patients with multiple sclerosis. This thesis evaluates medical image processing and machine learning for improving the radiological diagnostic process of multiple sclerosis. A comparison of the performances with the standard methods shows the advantage of these computational tools over the present clinical workflow.
Übersetzte Kurzfassung:
Die Erkennung von Läsionen in Magnetresonanzbildern spielt eine entscheidende Rolle bei der Erstdiagnose und Verlaufskontrolle von Patienten mit Multipler Sklerose. In dieser Arbeit werden medizinische Bildverarbeitung und maschinelles Lernen zur Verbesserung des radiologischen Diagnoseprozesses bei Multipler Sklerose
bewertet. Ein Vergleich der Ergebnisse mit denen der Standardmethoden zeigt den Vorteil dieser Computertools gegenüber dem derzeitigen klinischen Arbeitsablauf.