KIT | KIT-Bibliothek | Impressum | Datenschutz

Semantic Segmentation of Ambiguous Images

Kohl, Simon Andreas Alexander

Abstract:
Medizinische Bilder können schwer zu interpretieren sein. Nicht nur weil das Erkennen von Strukturen und möglichen Veränderungen Erfahrung und jahrelanges Training bedarf, sondern auch weil die dargestellten Messungen oft im Kern mehrdeutig sind. Fundamental ist dies eine Konsequenz dessen, dass medizinische Bild-Modalitäten, wie bespielsweise MRT oder CT, nur indirekte Messungen der zu Grunde liegenden molekularen Identitäten bereithalten. Die semantische Bedeutung eines Bildes kann deshalb im Allgemeinen nur gegeben einem größeren Bild-Kontext erfasst werden, welcher es oft allerdings nur unzureichend erlaubt eine eindeutige Interpretation in Form einer einzelnen Hypothese vorzunehmen.
... mehr

Abstract (englisch):
Medical images can be difficult to interpret. Not only because spotting structures and potential changes therein requires experience and years of training, but also because the presented measurements are often ambiguous at heart. This is fundamentally a consequence of the fact that medical image modalities such as MRI or CT only provide indirect measurements of the underlying molecular identities. The semantics of an image therefore generally have to be inferred from the provided larger context, which is often insufficient to pin down the interpretation to a singular, unique hypothesis.
... mehr

Open Access Logo


Volltext §
DOI: 10.5445/IR/1000118113
Veröffentlicht am 14.04.2020
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Anthropomatik und Robotik (IAR)
Publikationstyp Hochschulschrift
Publikationsdatum 14.04.2020
Sprache Englisch
Identifikator KITopen-ID: 1000118113
Verlag Karlsruhe
Umfang XVI, 193 S.
Abschlussart Dissertation
Fakultät Fakultät für Informatik (INFORMATIK)
Institut Institut für Anthropomatik und Robotik (IAR)
Prüfungsdatum 29.01.2020
Referent/Betreuer Prof. R. Stiefelhagen
Externe Relationen Abstract/Volltext
Abstract/Volltext
Abstract/Volltext
Abstract/Volltext
Schlagwörter Semantic Segmentation, Generative Models, Ambiguity, Uncertainty, Variational Inference
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page