Schlaefer, AlexanderAlexanderSchlaefer1230435220000-0001-9201-8854Bhattacharya, DebayanDebayanBhattacharya2025-02-272025-02-272025Technische Universität Hamburg (2025)https://hdl.handle.net/11420/54466Die Anfälligkeit der Nasennebenhöhlen für allergische und nicht-allergische Infektionen erschwert die Diagnose, da Symptome von Schleimhautverdickungen bis zu polypoiden Massen variieren. Bisherige manuelle Analysen sind ressourcenintensiv und führen zu Ermüdung der Kliniker. Ein computergestütztes Diagnoseverfahren (CAD) kann diesen Prozess optimieren. Während Deep Learning große Fortschritte in der medizinischen Bildanalyse gemacht hat, blieb die Erforschung paranasaler Anomalien bislang begrenzt. Diese Arbeit schlägt verschiedene Deep-Learning-Ansätze zur Klassifizierung von Kieferhöhlen-Opazitäten vor, darunter unüberwachtes Lernen, selbstüberwachtes Lernen und hybride Architekturen aus CNNs und Transformern.The susceptibility of the paranasal sinuses to allergic and non-allergic infections complicates diagnosis as symptoms vary from mucosal thickening to polypoid masses. Previous manual analysis is resource intensive and leads to clinician fatigue. Computer-aided diagnosis (CAD) can optimize this process. While deep learning has made great strides in medical image analysis, the study of paranasal abnormalities has remained limited. This work proposes different deep learning approaches to classify maxillary sinus opacities, including unsupervised learning, self-supervised learning, and hybrid architectures of CNNs and transformers.enhttps://creativecommons.org/licenses/by/4.0/medical imagingparanasal anomalydeep learningself supervised learningmaxillary sinusmachine learningTechnology::616: DeseasesTechnology::617: Surgery, Regional Medicine, Dentistry, Ophthalmology, Otology, AudiologyComputer Science, Information and General Works::006: Special computer methods::006.3: Artificial IntelligenceComputer Science, Information and General Works::004: Computer SciencesDoctoral Thesishttps://doi.org/10.15480/882.1483310.15480/882.14833Knopp, TobiasTobiasKnoppBetz, Christian StephanChristian StephanBetzOther