Benutzer: Gast  Login
Originaltitel:
Localized Image-Text Learning for Chest X-rays
Übersetzter Titel:
Lokalisiertes Bild-Text-Lernen für Thorax-Röntgenaufnahmen
Autor:
Müller, Philip Jan
Jahr:
2025
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 31 - Lehrstuhl für Artificial Intelligence in Healthcare and Medicine (Prof. Rückert)
Betreuer:
Rückert, Daniel (Prof. Dr.)
Gutachter:
Rückert, Daniel (Prof. Dr.); Navab, Nassir (Prof. Dr.); Langs, Georg (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Chest X-ray; CXR; Medical Imaging; Localization; Vision-language Model; VLM; Contrastive Learning; Weakly-supervised Object Detection; Report Generation
TU-Systematik:
DAT 700; MED 370; MED 230
Kurzfassung:
This thesis explores the potential of utilizing radiology reports to enhance deep learning in chest X-ray analysis while focusing on localized detection of abnormalities. Therefore, novel image-text contrastive learning, weakly supervised pathology localization, and localized report generation approaches are proposed, which demonstrate strong performance across multiple tasks and benchmark datasets.
Übersetzte Kurzfassung:
In dieser Arbeit wird das Potenzial der Nutzung von Radiologieberichten zur Verbesserung von Deep Learning bei der Analyse von Thorax-Röntgenaufnahmen untersucht, wobei der Schwerpunkt auf der lokalisierten Erkennung von Anomalien liegt. Dazu werden neuartige Ansätze zum Image-Text Contrastive Learning, zur schwach-überwachten Lokalisierung von Pathologien und zur lokalisierter Radiologie-Berichtsgenerierung vorgeschlagen, die eine starke Leistung über mehrere Benchmark-Datensätze zeigen.
WWW:
https://mediatum.ub.tum.de/?id=1747347
Eingereicht am:
06.09.2024
Mündliche Prüfung:
29.07.2025
Dateigröße:
71531466 bytes
Seiten:
293
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250729-1747347-0-4
Veröffentlicht am:
04.09.2025
 BibTeX