Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Deep learning for blood cell image analysis
Übersetzter Titel:
Deep Learning für die Bildanalyse von Blutzellen
Autor:
Tomczak, Agnieszka Maria
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Rajpoot, Nasir (Prof. Dr.); Albarqouni, Shadi (Prof. Dr.)
Sprache:
en
Fachgebiet:
NAT Naturwissenschaften (allgemein)
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Chemical staining is one of the crucial components of blood analysis as it enhances structures otherwise invisible to the human eye, allowing the classification of the white blood cell and a diagnosis. This thesis investigates if it is possible to replace the chemical process with a digital one, reducing effort and waste. It proposes multiple deep-learning methods for artificial staining, tools for estimating its uncertainty, and shows the results of a clinical validation study.
Übersetzte Kurzfassung:
Die chemische Färbung ist eine der wichtigsten Komponenten der Blutanalyse. Sie hebt Strukturen hervor, die sonst unsichtbar sind, und hilft bei einer Diagnose. In dieser Arbeit wird untersucht, ob es möglich ist, den chemischen Prozess durch einen digitalen Prozess zu ersetzen und den Aufwand zu reduzieren. Diese Arbeit schlägt Deep-Learning-Methoden für die künstliche Färbung und Abschätzung ihrer Unsicherheit vor und zeigt die Ergebnisse einer klinischen Validierungsstudie.
WWW:
https://mediatum.ub.tum.de/?id=1700238
Eingereicht am:
22.02.2023
Mündliche Prüfung:
18.10.2023
Dateigröße:
41675747 bytes
Seiten:
146
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231018-1700238-1-7
Letzte Änderung:
19.02.2024
 BibTeX