User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Radiotracer uptake classification using deep learning for evaluation of image-derived cancer biomarkers in PET/CT
Translated title:
Klassifikation der Radiotracer-Aufnahme mittels Deep Learning-Verfahren zur Bewertung von bildbasierten Krebs-Biomarkern in PET/CT
Author:
Capobianco, Nicolò
Year:
2022
Document type:
Dissertation
Faculty/School:
Fakultät für Informatik
Advisor:
Navab, Nassir (Prof. Dr.)
Referee:
Navab, Nassir (Prof. Dr.); Nekolla, Stephan (Priv.-Doz. Dr.); Piana, Michele (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik; MED Medizin
TUM classification:
MED 230; DAT 760
Abstract:
Accurate assessment of disease spread is crucial in the care of cancer patients, and medical imaging is frequently used as noninvasive diagnostic tool. This dissertation presents methods for the analysis of positron emission tomography (PET) / computed tomography (CT) images in oncology. A deep learning method for classification of image regions with elevated radiotracer uptake is described and shown to support the evaluation of image-derived biomarkers such as cancer stage and tumor burden.
Translated abstract:
Die genaue Beurteilung der Krankheitsausbreitung ist bei der Versorgung von Krebspatienten von entscheidender Bedeutung, und die medizinische Bildgebung wird als Diagnosewerkzeug verwendet. In dieser Dissertation werden Methoden zur Analyse von Positronenemissionstomographie- und Computertomographie-Bildern vorgestellt. Es wird eine Methode zur Klassifizierung von Bildregionen mit erhöhter Tracer-Aufnahme beschrieben und gezeigt, dass sie die Bewertung von bildbasierten Biomarkern unterstützt.
WWW:
https://mediatum.ub.tum.de/?id=1624506
Date of submission:
14.10.2021
Oral examination:
22.06.2022
File size:
5916634 bytes
Pages:
101
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220622-1624506-1-9
Last change:
22.08.2022
 BibTeX