Künstliche Intelligenz in der Rekonstruktion von Computertomographien – Einfluss von Deep Learning Algorithmen auf die Bildqualität von Niedrigdosis-CT Untersuchungen bei Kindern und Jugendlichen

DSpace Repositorium (Manakin basiert)

Künstliche Intelligenz in der Rekonstruktion von Computertomographien – Einfluss von Deep Learning Algorithmen auf die Bildqualität von Niedrigdosis-CT Untersuchungen bei Kindern und Jugendlichen

Schmid, Ulrich Gereon
Dateien:
Thumbnail
2.44 MB
PDF
Beschreibung: Dissertation in ...
Zitierfähiger Link (URI): http://hdl.handle.net/10900/168265
http://nbn-resolving.org/urn:nbn:de:bsz:21-dspace-1682656
http://dx.doi.org/10.15496/publikation-109592
Dokumentart: Dissertation
Erscheinungsdatum: 2025-07-21
Sprache: Deutsch
Fakultät: 4 Medizinische Fakultät
Fachbereich: Medizin
Gutachter: Tsiflikas, Ilias (PD Dr.)
Tag der mündl. Prüfung: 2025-07-01
DDC-Klassifikation: 610 - Medizin, Gesundheit
Schlagworte: Computertomografie , Rekonstruktion , Deep Learning , Rauschunterdrückung , Bildqualität
Freie Schlagwörter: Ultra Low Dose CT
AI Denoising
Lizenz: http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=de http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=en
Zur Langanzeige

Inhaltszusammenfassung:

Die durchgeführte Promotionsarbeit hat den Einfluss eines KI-basierten Entrauschungsalgorithmus auf ULD-CT-Aufnahmen des pädiatrischen Thorax untersucht und dabei das mögliche Potential eines solchen Algorithmus im Nachbearbeitungsprozess von ULD-CT-Aufnahmen demonstriert und mit herkömmlichen Bildrekonstruktionsalgorithmen aus der CT-Bildgebung, die einen analytischen Ansatz besitzen und im heutigen klinischen Alltag etabliert sind, verglichen.

Das Dokument erscheint in: