MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung

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

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.

• Item Type: Theses (Dissertation, LMU Munich)
• Keywords: Clustersegmentierung, MRT, Bildverarbeitung, explorative Datenanalyse, Zeitreihenanalyse
• Subjects: 600 Technology, Medicine; 600 Technology, Medicine > 610 Medical sciences and medicine
• Faculties: Faculty of Medicine
• Language: German
• Date of oral examination: 25. October 2004
• 1. Referee: Reiser, Maximilian
• Signature of the printed copy: 0700/UMD 10995