Volltextdatei(en) in REPOSIT vorhanden Open Access
Lizenz: 
Titel: Automatische Diagnose von Thorax-Röntgenbildern mit Hilfe von Faltungsnetzwerken
Sprache: Deutsch
Autorenschaft: Haidar, Nassim 
Erscheinungsdatum: 20-Sep-2019
Zusammenfassung: 
Studien in Deutschland haben gezeigt, dass über 10 % aller Diagnosen, die von Ärzten in Kliniken und Praxen gestellt werden falsch sind [Jörg Blech, 2011].
Fehldiagnosen können auf menschliche Fehlern beruhen und solange Menschen Entscheidung treffen müssen, wird sich die Zahl der Fehldiagnosen nicht verringern.
Ziel dieser Thesis ist es, ein Convolutional Neural Layer (CNN) aufzubauen, der die Fehldiagnosen verringern soll. Dazu wird folgende Forschungsfrage gestellt: Sind CNN aus Deep Learning, in der Lage, Fehldiagnosen die Radiologen anhand von Thorax-Röntgenbildern stellen, zu verringern? Dabei soll ebenfalls geprüft werden, inwiefern ein solches CNN sich als Screening- Programm eignet.
Um die Forschungsfrage zu beantworten, wird nach jedem Testverfahren eine Konfusionsmatrix dargestellt, die die Röntgenbilder in Klassen von richtig negativ bis falsch negativ unterteilt. Die Konfusionsmatrix hat gezeigt, dass die aufgebauten CNN eine höhere Fehldiagnose und dementsprechend eine schlechtere Accuracy (wie oft das CNN die Bilder pro Epoche prozentual richtig prognostiziert hat) vorweisen als Radiologen. Dieses Resultat zeigt eine Diskrepanz zu anderen bekannten Studien.
Auf dieser Grundlage ist darauf hinzuweisen, dass eine homogene Verteilung der Daten essenziell ist und die Accuracy und Fehldiagnosen des CNNs somit beeinflusst werden kann. Daher soll in weiteren Forschungen darauf geachtet werden, dass die gesamte Datensammlung einheitlich ist und eine gleichmäßige Verteilung an positiven sowie negativen Befunden darstellt.
URI: http://hdl.handle.net/20.500.12738/9045
Einrichtung: Department Medizintechnik 
Dokumenttyp: Abschlussarbeit
Abschlussarbeitentyp: Bachelorarbeit
Hauptgutachter*in: Meisel, Andreas 
Gutachter*in der Arbeit: Schiemann, Thomas 
Enthalten in den Sammlungen:Theses

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat
Haidar_geschwaerzt.pdf2.58 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Seitenansichten

152
checked on 16.06.2024

Download(s)

373
checked on 16.06.2024

Google ScholarTM

Prüfe

HAW Katalog

Prüfe

Feedback zu diesem Datensatz


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.