Segmentierung von Polypen in Koloskopie-Bilddaten : eine Potentialanalyse von Deep-Learning-Methoden
- Kolorektale Karzinome haben eine hohe Sterblichkeitsrate, wenn sie spät entdeckt werden. Eine frühzeitige Entfernung von bösartigen Polypen im Magen-Darm-Trakt, die deren Vorstufen bilden, bietet jedoch hohe Überlebenschancen. Bei Darmspiegelungen werden gerade kleine Polypen aber recht häufig übersehen. Zuverlässige bildverarbeitende Systeme, die Polypen in einem Koloskopie-Frame nicht nur detektieren, sondern pixelgenau segmentieren, könnten Ärzten bei Darmkrebs-Screenings helfen. Diese Arbeit analysiert den aktuellen Stand der Segmentierung von Polypen im Gastrointestinaltrakt. Weiterführend wird untersucht, inwiefern die in letzter Zeit sehr erfolgreichen Methoden des Deep Learning hier Vorteile bieten.
| Author of HS Reutlingen | Scheytt, Josia |
|---|---|
| URN: | urn:nbn:de:bsz:rt2-opus4-25202 |
| ISBN: | 978-3-00-058645-3 |
| Erschienen in: | Connect(IT) : Informatik-Konferenz an der Hochschule Reutlingen, 09. Mai 2018. - (Informatics Inside; 18) |
| Publisher: | Hochschule Reutlingen |
| Place of publication: | Reutlingen |
| Document Type: | Conference proceeding |
| Language: | German |
| Publication year: | 2018 |
| Tag: | Bildverarbeitung; Deep Learning; Kolorektalkarzinom; Segmentierung |
| Page Number: | 10 |
| First Page: | 1 |
| Last Page: | 10 |
| DDC classes: | 610 Medizin, Gesundheit |
| 004 Informatik | |
| Open access?: | Ja |
| Licence (German): |  Open Access |
