Please use this identifier to cite or link to this item: https://doi.org/10.15480/882.3216
Fulltext available Open Access
Title: Deep learning with multi-dimensional medical image data
Language: English
Authors: Gessert, Nils Thorben 
Keywords: medical imaging;Deep learning;machine learning;Optical coherence tomography;Magnetic resonance imaging
Issue Date: 18-Dec-2020
Examination Date: 17-Dec-2020
Abstract (german): 
In dieser Arbeit werden tiefe Lernverfahren und ihre Anwendung im Bereich von multidimensionalen medizinischen Bilddaten untersucht. Viele Probleme in der medizinischen Bildanalyse erfordern die Verarbeitung von 3D oder sogar 4D örtlich-zeitlichen Daten. Während die hochdimensionale Verarbeitung das Ausnutzen von Kontext erlaubt, ist das Design von Modellen auf Grund von exponentiell wachsenden Parameterzahlen und Überanpassung schwierig. Daher stellen wir eine Vielzahl an tiefen Lernverfahren für niedrig und hochdimensional Daten vor. Dies umfasst 1D bis 4D faltende neuronale Netze, sowie rekurrente und siamesische Architekturen. Wir zeigen für verschiedenste Anwendungen, dass hochdimensionale Daten durch gut konzipierte Modelle oft effektiv genutzt werden.
Abstract (english): 
In this work, we explore deep learning model design and application in the context of multi-dimensional data in medical image analysis. A lot of medical image analysis problems come with 3D or even 4D spatio-temporal data that requires appropriate processing. While higher-dimensional processing allows for exploiting a lot of context, model design becomes very challenging due to exponentially increasing model parameters and risk of overfitting. Therefore, we design a variety of deep learning models for low- and high-dimensional data processing, including 1D up to 4D convolutional neural networks, convolutional-recurrent models, and Siamese architectures. Across a large number of applications, we find that using high-dimensional data is often effective when using well-designed deep learning models.
URI: http://hdl.handle.net/11420/8296
DOI: 10.15480/882.3216
Institute: Medizintechnische Systeme E-1 
Document Type: Thesis
Thesis Type: Doctoral Thesis
Advisor: Schlaefer, Alexander 
Referee: Grigat, Rolf-Rainer 
License: In Copyright In Copyright
Appears in Collections:Publications with fulltext

Files in This Item:
File Description SizeFormat
phd_thesis_nils_gessert_final.pdfPhD Thesis16,78 MBAdobe PDFThumbnail
View/Open
Show full item record

Page view(s)

129
Last Week
22
Last month
checked on Jan 21, 2021

Download(s)

64
checked on Jan 21, 2021

Google ScholarTM

Check

Note about this record

Export

Items in TORE are protected by copyright, with all rights reserved, unless otherwise indicated.