Sökning: "medicinska bilder"

Visar resultat 1 - 5 av 61 uppsatser innehållade orden medicinska bilder.

  1. 1. Evaluation of different block-copolymer coatings of iron oxide nanoparticles by flash nanoprecipitation

    Master-uppsats, KTH/Fiber- och polymerteknologi

    Författare :Felix Bogdan; [2023]
    Nyckelord :Nanopartiklar; organisk katalysator; ROP; block-sampolymerer PL G A; oljesyra IONPs; Nanoparticles; organic catalyst; ROP; block-copolymers PL G A; oleic acid IONPs;

    Sammanfattning : Nanopartiklar (NP) erbjuder unika möjligheter för medicinska tillämpningar, inklusive kontrollerad frisättning av cancerläkemedel, användning som bildkontrast vid avbildningsprocedurer eller hypertermisk behandling av cancerceller. Flash nanoprecipitation (FNP) producerar NPs för att kombinera dessa tillämpningar i en snabb, billig och skalbar beläggningsprocess. LÄS MER

  3. 2. Deep Learning-based Regularizers for Cone Beam Computed Tomography Reconstruction

    Master-uppsats, KTH/Matematisk statistik

    Författare :Sabina Syed; Josefin Stenberg; [2023]
    Nyckelord :Adversarial Convex Regularization; Computer Vision; Cone Beam Computed Tomography; Convolutional Neural Networks; Deep Learning; Image Reconstruction; Adversarial Convex Regularization; Bildrekonstruktion; Datorseende; Djupinlärning; Faltningsnätverk; Volymtomografi;

    Sammanfattning : Cone Beam Computed Tomography is a technology to visualize the 3D interior anatomy of a patient. It is important for image-guided radiation therapy in cancer treatment. During a scan, iterative methods are often used for the image reconstruction step. LÄS MER

  4. 3. Self-learning for 3D segmentation of medical images from single and few-slice annotation

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Côme Lassarat; [2023]
    Nyckelord :Self-supervised Learning; Segmentation; Medical images; Självövervakad inlärning; segmentering; medicinska bilder;

    Sammanfattning : Training deep-learning networks to segment a particular region of interest (ROI) in 3D medical acquisitions (also called volumes) usually requires annotating a lot of data upstream because of the predominant fully supervised nature of the existing stateof-the-art models. To alleviate this annotation burden for medical experts and the associated cost, leveraging self-learning models, whose strength lies in their ability to be trained with unlabeled data, is a natural and straightforward approach. LÄS MER

  5. 4. Analys av kondrocytintegration i chitosan-baserade 3D-scaffolds : en studie om matrix-assisterad autolog kondrocytimplantation (MAKI) för behandling av ledbroskskador

    Kandidat-uppsats, Örebro universitet/Institutionen för medicinska vetenskaper

    Författare :Elin Trollsfjord; Ronja Hugg; [2023]
    Nyckelord :Ledbroskskador; scaffold; chitosan; kondrocyter; matrix-assisterad autolog kondrocytimplantation; kondrocytintegration;

    Sammanfattning : Bakgrund: Prevalensen av ledbroskskador ökar idag globalt och det finns ingen fullt kurativ kirurgisk behandlingsmetod för att återställa ledens normala funktion vid olika ledbroskskador. Detta tillsammans med att ledbrosk har en låg inneboende läkningsförmåga medför att nya behandlingstekniker behöver utvecklas, en lovande sådan är matrix-assisterad autolog kondrocytimplantation (MAKI), där tredimensionella polymermatriser, ”scaffolds”, används för att stimulera kondrocytintegration och kondrogenes. LÄS MER

  7. 5. Self-supervised pre-training of an attention-based model for 3D medical image segmentation

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Albert Sund Aillet; [2023]
    Nyckelord :Computer vision; Deep learning; 3D Medical image segmentation; Self-supervised learning; Datorseende; Djupinlärning; 3D Medicinsk bildsegmentering; Självövervakad träning;

    Sammanfattning : Accurate segmentation of anatomical structures is crucial for radiation therapy in cancer treatment. Deep learning methods have been demonstrated effective for segmentation of 3D medical images, establishing the current standard. However, they require large amounts of labelled data and suffer from reduced performance on domain shift. LÄS MER