You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Doctoral Thesis;
Electronic Thesis;
E-Book
Title:
Whole Brain Vasculature Analysis Using Advanced Learning Models ; Fortgeschrittene Machine Learning Konzepte für die Analyse der Blutgefäße des Hirns
Contributor:
Paetzold, Johannes Christian
[Author]
Published:
Technical University of Munich; Technische Universität München, 2023-03-10
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
The brain's vascular network supplies oxygen to the brain's 86 billion neurons, firmly linking the microvasculature to the neural organization. This thesis reports my work on developing machine learning models to understand brain vessels. At the core of my work are three studies: 1) The first study shows the first deep-learning-based segmentation of the entire brain vasculature. 2) We formulate a novel, topology-preserving loss function with theoretical proofs up to homotopy equivalence. 3) We convert the segmentations to a graph representation and benchmark a diverse set of graph convolutional networks on link prediction and node classification. ; Neue Bildgebungsverfahren in Medizin und Biologie ermöglichen eine Bildgebung gesamter Organe und Organismen auf Zellebene. Dieses Promotionsprojekt hat die Zielsetzung spezielle Learning-basierte Ansätze für die Analyse der gesamten Blutgefäße des Hirns zu erforschen. Bei dieser Arbeit handelt es sich um eine publikationsbasierte Dissertation, dementsprechend gestalten drei Veröffentlichungen, die ein Peer-Review-Verfahren durchlaufen haben, den Kern der Arbeit. Insgesamt wurden ‚Deep-Learning-basierte‘ Methoden und Konzepte des maschinellen Lernens auf Graphen genutzt um das Blutgefäßsystem zu analysieren.