Informatik/Technik

Dauerhafte URI für die Sektionhttps://epub.uni-luebeck.de/handle/zhb_hl/4

Listen

Auflistung Informatik/Technik nach Instituten/Kliniken "Institut für Medizinische Informatik"

Oder geben Sie die ersten Buchstaben ein:
Gerade angezeigt 1 - 16 von 16
  • Item
    Advanced sensor fusion methods with applications to localization and navigation
    (2025-03-18) Fetzer, Toni
    We use sensors to track how many steps we take during the day or how well we sleep. Sensor fusion methods are used to draw these conclusions. A particularly difficult application is indoor localization, i.e. finding a person’s position within a building. This is mainly due to the many degrees of freedom of human movement and the physical properties of sensors inside buildings. Suitable approaches for sensor fusion for the purpose of self-localization using a smartphone are the subject of this thesis. To best address the complexity of this problem, a non-linear and non-Gaussian distributed state space must be assumed. For the required position estimation, we therefore focus on the class of particle filters and build a novel generic filter framework on top of it. The special feature of this framework is the modular approach and the low requirements towards the sensor and movement models. In this work, we investigate models for Wi-Fi and Bluetooth RSSI measurements using radio propagation models, the relatively new standard Wi-Fi FTM, which is explicitly designed for localization purposes, the barometer to determine floor changes as accurately as possible, and activity recognition to find out what the pedestrian is doing, e.g., ascending stairs. The human motion is then modeled in a movement model using IMU data. Here we propose two approaches: a regular tessellated grid graph and an irregular tessellated navigation mesh. From these we formulate our proposal for an indoor localization system (ILS). However, some fundamental problems of the particle filter lead to critical errors. These can be a multi- modal density to be estimated, unbalanced sensor models or the so-called sample impoverish- ment. Compensation, or in the best case elimination, of these errors by advanced sensor fusion methods is the main contribution of this thesis. The most important approach in this context is our adaptation of an interacting multiple modal particle filter (IMMPF) to the requirements of indoor localization. This results in a completely new approach to the formulation of an ILS. Using quality metrics, it is possible to dynamically switch between arbitrarily formulated par- ticle filters running in parallel. Furthermore, we explicitly propose several approaches from the field of particle distribution optimization (PDO) to avoid the sample impoverishment problem. In particular, the support filter approach (SFA), which is also based on the IMMPF principle, leads to excellent position estimates even under the most difficult conditions, as extensive ex- periments show.
  • Item
  • Item
  • Item
  • Item
    Deskriptorlernen in Medizinischen Volumendaten
    (2021) Blendowski, Maximilian Constantin
  • Item
  • Item
  • Item
  • Item
  • Item
  • Item
    KI-gestützte Gewebeanalyse auf Basis der optischen Kohärenztomographie für die Tumorerkennung in der Neurochirurgie
    (2025) Strenge, Paul
    Hirntumorerkrankungen stellen für Patient:innen und ihr Umfeld eine erhebliche Belastung dar. Der chirurgische Eingriff ist ein zentraler Bestandteil der Therapie, wobei das vollständige Entfernen von Tumorgewebe für das Überleben entscheidend ist. Gleichzeitig erschwert das diffuse Wachstum vieler Tumoren die intraoperative Abgrenzung von gesundem Gewebe, da etablierte Methoden wie MRT oder Fluoreszenzmikroskopie nur eingeschränkt zuverlässig sind. Die optische Kohärenztomographie (OCT) bietet eine kontaktfreie, nichtinvasive Bildgebung mit mikrometergenauer Auflösung und stellt eine vielversprechende Alternative dar. Diese Arbeit untersucht die OCT hinsichtlich ihrer Eignung zur Identifikation von Tumorgewebe und Infiltrationszonen. Grundlage ist ein weltweit einzigartiger Datensatz aus rund 700 pixelweise annotierten OCT-B-Scans, die im Rahmen einer klinischen Studie mit 21 Patient:innen ex-vivo während Resektionen aufgenommen wurden. Zwei OCT-Systeme mit unterschiedlichen Wellenlängen und Auflösungen kamen zum Einsatz. Histologische Schnittbilder wurden neuropathologisch annotiert und durch ein formbasiertes Verfahren auf korrespondierende OCT-B-Scans übertragen. Die Analyse begann mit einem Vergleich der Systeme anhand optischer Gewebeeigenschaften und einer binären Klassifikation zwischen gesundem und tumorösem Gewebe. Während keine signifikanten Unterschiede zwischen den Systemen erkennbar waren, konnte weiße Masse zuverlässig von stark infiltrierter weißer Masse (>60 %) unterschieden werden (Genauigkeit: 91 %). Graue Masse zeigte jedoch hohe Ähnlichkeiten mit Tumorgewebe, was die Genauigkeit bei Einbezug zusätzlicher Gewebetypen auf etwa 60 % reduzierte. Zur Verbesserung wurden strukturelle Eigenschaften einbezogen und sowohl klassische Methoden als auch maschinelles Lernen angewandt. Neuronale Netze ermöglichten eine Klassifikation in drei Klassen (weiße Masse, graue Masse, stark infiltrierte weiße Masse). Mit einem evidenzbasierten Lernansatz konnten Klassifikationsunsicherheiten quantifiziert werden. Für sichere Vorhersagen über alle Methoden hinweg ergaben sich eine Präzision und Sensitivität von jeweils 83 %. Die Ergebnisse belegen das Potenzial der OCT für die intraoperative Tumorerkennung und schaffen eine Grundlage für weitere klinische Forschung.
  • Item
  • Item
  • Item
  • Item
  • Item

KONTAKT

Universität zu Lübeck
Zentrale Hochschulbibliothek - Haus 60
Ratzeburger Allee 160
23562 Lübeck
Tel. +49 451 3101 2201
Fax +49 451 3101 2204


IMPRESSUM

DATENSCHUTZ

BARIEREFREIHEIT

Feedback schicken

Cookie-Einstellungen