Bibliographic Metadata

Title
Neural Networks In Computer-Aided Detection
Additional Titles
Neural Networks In Computer-Aided Detection
AuthorSteuer, Nikolaus
Thesis advisorDeutschmann, Martin ; Prochaska, Eveline
Published2018
Date of SubmissionApril 2018
LanguageGerman
Document typeBachelor Thesis
Keywords (DE)Computer Aided Detection / Computer Assistierte Detektion / Künstliche Neuronale Netzwerke / Deep Learning / Deep Machine Learning
Keywords (EN)Computer Aided Detection / Neural Network / Artificial Neural Networks / Deep Learning / Deep Machine Learning
Restriction-Information
 _
Classification
Abstract (German)

Grundlagen:

Die Anforderungen an die Diagnostik von Bildgebenden Verfahren in der Medizin ist in den letzten Jahren stetig gestiegen. Dies betrifft sowohl die Zeit, in der die Diagnose zu stellen ist, als auch die Präzision, Spezifität und Auflösung des Bildes. Zur Unterstützung des befundenen Radiologen kommen seit Jahren CAD Systeme (Computer Aided Detection) zur Anwendung.

Die aktuellen Fortschritte in der Entwicklung der selbstlernenden Algorithmen liefern auch durch die Fortschritte der zugrundeliegenden Technik und Rechenleistung immer bessere Ergebnisse besonders in Bezug auf Bilderkennung und Verarbeitung.

Methodik:

In dieser Arbeit wird der aktuelle Stand der Forschung der Integration von selbstlernenden Algorithmen in CAD mittels Literaturrecherche beleuchtet und im Zuge dessen ein Überblick über die treibenden Kräfte bei der Forschung und die Forcierung über die letzten Jahre erbracht.

Ergebnisse und Diskussion:

Das Forschungsfeld des CAD ist immer noch ein recht Junges und daher immer noch uneinheitliches, beinhaltet aber ein hohes Potential für den diagnostischen Alltag. Die Forschung auf diesem Gebiet wächst stetig und wird in Zukunft voraussichtlich vielversprechende Erkenntnisse bringen.

Abstract (English)

Background:

The requirements for the diagnostics of medical imaging have steadily increased in recent years. This concerns both the time in which the diagnosis must be made and the precision, specificity and resolution of the image. For years CAD systems (Computer Aided Detection) have been used to support the radiologist in this task.

Recent advances in the development of self-learning algorithms lead to providing better and faster results, especially regarding image recognition and processing, due to advances in the underlying technique and computing power.

Material and methods:

In this thesis the current state of research of the integration of self-learning algorithms in CAD is examined based on literature research and an overview of the driving forces of research and the promotion over the last years is provided.

Results and conclusion:

The research field of CAD is still quite young and therefore still inconsistent, but contains a high potential everyday use in diagnostics. Research in this area is growing steadily and is expected to bring promising results in the future.