Logo Logo
Hilfe
Kontakt
Switch language to English
MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung
MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung
Magnetresonanztomographie ist ein wichtiges nichtinvasives, bildgebendes Schnittbildverfahren in der medizinischen Diagnostik. Neben der klassischen Aufgabe der Strukturbildgebung sind in den letzten Jahren auch neue Anwendungsfelder der Funktionsbildgebung in den Brennpunkt des medizinisch-wissenschaftlichen Interesses gerückt. Die vorliegende Arbeit untersucht die Anwendung explorativer Methoden zur Datenanalyse der zeitlichen Dynamik in funktionellen MRT-Zeitreihen durch Methoden der Clusteranalyse sowie durch Komponentenanalyseverfahren (PCA, ICA) unter besonderer Berücksichtigung der Aspekte Rechenzeit, Objektivität, Reliabilität sowie Validität der Partitionierungsergebnisse. Darüber hinaus wird der Ansatz der Clusteranalyse zur Anwendung auf weitere dynamische MRT-Zeitreihen erweitert: zur Clusteranalyse dynamischer perfusionsgewichteter MRT-Bildfolgen, zur Clusteranalyse Kontrastmittel-unterstützter dynamischer MRT-Mammographie-Bildfolgen sowie zur Konnektivitätsanalyse im motorischen System des Menschen.
Clustersegmentierung, MRT, Bildverarbeitung, explorative Datenanalyse, Zeitreihenanalyse
Lange, Oliver
2004
Deutsch
Universitätsbibliothek der Ludwig-Maximilians-Universität München
Lange, Oliver (2004): MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung. Dissertation, LMU München: Medizinische Fakultät
[thumbnail of lange_oliver.pdf]
Vorschau
PDF
lange_oliver.pdf

18MB

Abstract

Magnetresonanztomographie ist ein wichtiges nichtinvasives, bildgebendes Schnittbildverfahren in der medizinischen Diagnostik. Neben der klassischen Aufgabe der Strukturbildgebung sind in den letzten Jahren auch neue Anwendungsfelder der Funktionsbildgebung in den Brennpunkt des medizinisch-wissenschaftlichen Interesses gerückt. Die vorliegende Arbeit untersucht die Anwendung explorativer Methoden zur Datenanalyse der zeitlichen Dynamik in funktionellen MRT-Zeitreihen durch Methoden der Clusteranalyse sowie durch Komponentenanalyseverfahren (PCA, ICA) unter besonderer Berücksichtigung der Aspekte Rechenzeit, Objektivität, Reliabilität sowie Validität der Partitionierungsergebnisse. Darüber hinaus wird der Ansatz der Clusteranalyse zur Anwendung auf weitere dynamische MRT-Zeitreihen erweitert: zur Clusteranalyse dynamischer perfusionsgewichteter MRT-Bildfolgen, zur Clusteranalyse Kontrastmittel-unterstützter dynamischer MRT-Mammographie-Bildfolgen sowie zur Konnektivitätsanalyse im motorischen System des Menschen.