MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung

Lange, Oliver (2004): MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung. Dissertation, LMU München: Medizinische Fakultät

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.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: Clustersegmentierung, MRT, Bildverarbeitung, explorative Datenanalyse, Zeitreihenanalyse
• Themengebiete: 600 Technik, Medizin, angewandte Wissenschaften ; 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin und Gesundheit
• Fakultäten: Medizinische Fakultät
• Sprache der Hochschulschrift: Deutsch
• Datum der mündlichen Prüfung: 25. Oktober 2004
• 1. Bericht­erstatter:in: Reiser, Maximilian