Benutzer: Gast  Login
Originaltitel:
Novel Analytical and Learning-based Image Processing Techniques for Dose Reduction in Interventional X-ray Imaging
Übersetzter Titel:
Neuartige analytische und lernbasierte Bildverarbeitungsverfahren zur Röntgendosisreduktion für die interventionelle Röntgenbildgebung
Autor:
Hariharan, Sai Gokul
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Unberath, Mathias (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
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
Übersetzte Kurzfassung:
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
Eingereicht am:
13.12.2022
Mündliche Prüfung:
27.06.2023
Dateigröße:
24713042 bytes
Seiten:
200
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230627-1692881-1-9
Letzte Änderung:
21.08.2023
 BibTeX