Benutzer: Gast  Login
Originaltitel:
Artificial Intelligence for Hematological Diagnostics: From Single-Cell Analysis to Disease Classification
Übersetzter Titel:
Künstliche Intelligenz für hämatologische Diagnostik: Von der Einzelzellanalyse zur Krankheitsklassifikation
Autor:
Sadafi, Ario
Jahr:
2026
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Institution:
Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)
Betreuer:
Navab, Nassir (Prof. Dr.)
Gutachter:
Navab, Nassir (Prof. Dr.); Schüffler, Peter (Prof. Dr.); Loddo, Andrea (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Microscopy is fundamental in clinical blood diagnostics but labor-intensive. This dissertation addresses key challenges through AI-driven methods, improving diagnostic accuracy, adaptability, transparency, and fairness in two parts: i) single-cell analysis using active learning, robust feature extraction, continual learning, and a tool for interpretable red blood cell analysis; and ii) disease diagnosis via multiple instance learning methods, interpretability, and equitable healthcare.
Übersetzte Kurzfassung:
Mikroskopie ist ein zentrales Werkzeug in der klinischen Diagnostik, aber zeitaufwändig. Meine Dissertation zeigt, wie KI-Methoden die Blutzelldiagnostik durch höhere Genauigkeit, Transparenz und Fairness verbessern: Teil 1 behandelt die Einzelzelldiagnostik mit Active Learning, robuster Merkmalsextraktion, kontinuierlichem Lernen und einem Tool zur Analyse roter Blutzellen. Teil 2 fokussiert die Krankheitsdiagnose mit Multiple-Instance-Learning, Interpretierbarkeit und gerechter Versorgung.
WWW:
https://mediatum.ub.tum.de/?id=1781762
Eingereicht am:
18.09.2025
Mündliche Prüfung:
18.03.2026
Dateigröße:
21282615 bytes
Seiten:
190
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20260318-1781762-0-4
Veröffentlicht am:
15.05.2026
 BibTeX