Mathematical modeling and lung cancer: quantifiable prognostic models improve clinical routine care

Schlicke, Pirmin

Pirmin Schlicke

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: Mathematical modeling and lung cancer: quantifiable prognostic models improve clinical routine care
Übersetzter Titel:: Mathematische Modelle und Lungenkrebs: Quantitative Prognosemodelle verbessern klinische Routinebehandlung
Autor:: Schlicke, Pirmin
Jahr:: 2022
Dokumenttyp:: Dissertation
Fakultät/School:: TUM School of Computation, Information and Technology
Betreuer:: Kuttler, Christina (Prof. Dr.)
Gutachter:: Kuttler, Christina (Prof. Dr.); Enderling, Heiko (Prof. Dr.); Krahmer, Felix (Prof. Dr.)
Sprache:: en
Fachgebiet:: MAT Mathematik
TU-Systematik:: MAT 022
Kurzfassung:: The thesis at hand examines different approaches to mathematically model the metastatic process in cancer diseases with ordinary and partial differential equations. Extensions allow to incorporate treatment possibilities and comparison to clinical data. Statistical evaluations prove the increased predictive value of the approaches in identifying highrisk patients on an individual basis.
Übersetzte Kurzfassung:: Die vorliegende Arbeit untersucht verschiedene Ansätze, um den Metastasierungsprozess bei Krebserkrankungen mathematisch zu modellieren und nutzt dabei gewöhnliche sowie partielle Differentialgleichungen. Erweiterungen des Modells erlauben die Erfassung von Therapiemöglichkeiten und den Abgleich mit klinischen Daten. Statistische Auswertungen beweisen den erhöhten prognostischen Nutzen dieser Ansätze um Hochrisikopatienten auf einer individuellen Ebene zu erkennen.
WWW:: https://mediatum.ub.tum.de/?id=1656738
Eingereicht am:: 02.05.2022
Mündliche Prüfung:: 28.11.2022
Dateigröße:: 1632724 bytes
Seiten:: 117
Urn (Zitierfähige URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221118-1656738-1-6
Letzte Änderung:: 05.01.2023
BibTeX