KIT | KIT-Bibliothek | Impressum | Datenschutz

Data-Driven Classification Methods for Craniosynostosis Using 3D Surface Scans

Schaufelberger, Matthias ORCID iD icon 1
1 Institut für Biomedizinische Technik (IBT), Karlsruher Institut für Technologie (KIT)

Abstract:

Diese Arbeit befasst sich mit strahlungsfreier Klassifizierung von
Kraniosynostose mit zusätzlichem Schwerpunkt auf Datenaugmentierung und auf
die Verwendung synthetischer Daten als Ersatz für klinische Daten.

Motivation: Kraniosynostose ist eine Erkrankung, die Säuglinge
betrifft und zu Kopfdeformitäten führt. Diagnose mittels strahlungsfreier 3D
Oberflächenscans ist eine vielversprechende Alternative zu traditioneller
computertomographischer Bildgebung. Aufgrund der niedrigen Prävalenz und
schwieriger Anonymisierbarkeit sind klinische Daten nur spärlich vorhanden. ... mehr

Abstract (englisch):

This work investigates into radiation-free classification of craniosynostosis
with an additional focus on including data augmentation and using synthetic
data as a replacement for clinical data.

Motivation: Craniosynostosis is a condition affecting infants and leads to head
deformities. Diagnosis using radiation-free 3D surface scans is a promising
alternative to traditional computed tomography (CT) imaging. Clinical data are
only sparsely available due to the low prevalence and difficulties in
anonymization. This work addresses these challenges by proposing new
... mehr


Volltext §
DOI: 10.5445/IR/1000166022
Veröffentlicht am 27.12.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Biomedizinische Technik (IBT)
Institut für Industrielle Informationstechnik (IIIT)
Publikationstyp Hochschulschrift
Publikationsdatum 27.12.2023
Sprache Englisch
Identifikator KITopen-ID: 1000166022
Verlag Karlsruher Institut für Technologie (KIT)
Umfang xii, 157 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Elektrotechnik und Informationstechnik (ETIT)
Institut Institut für Biomedizinische Technik (IBT)
Prüfungsdatum 14.12.2023
Schlagwörter Craniosynostosis, Deep Learning, Statistical Shape Model, Generative Adversarial Network, Machine Learning, Classification, Head Deformities, Data Synthesis
Referent/Betreuer Nahm, Werner
Heizmann, Michael
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page