Bachelorarbeit aus dem Jahr 2017 im Fachbereich BWL - Sonstiges, Note: 1,7, Universität Augsburg, Sprache: Deutsch, Abstract: Durch den technischen Fortschritt in der medizinischen Bildgebung und der täglich steigenden Zahl an Untersuchungsbildern ist eine Entlastung des medizinischen Fachpersonals hinsichtlich der Bildanalyse dringend notwendig. Hierbei ist die Bildsegmentierung ein wesentlicher Bestandteil. Anhand von Clusteringmethoden können Muster in den Bildern aufgedeckt und diese in verschiedene Regionen unterteilt werden. Anhand einer State-of-the-Art Analyse soll in der vorliegenden Arbeit untersucht werden, ob die Anwendung von harten, wie die des k-means Algorithmus, oder unscharfen Clusteringmethoden, wie die des Fuzzy c-means Algorithmus, bevorzugt werden soll. Dies wird an den wichtigsten drei medizinischen Bildarten, nämlich der Magnetresonanztomographie, der Computertomographie sowie anhand von Ultraschallbildern untersucht. Festzustellen ist hierbei eine generelle Tendenz zur Verwendung unscharfer Clusteringverfahren sowie ein Mangel an Vergleichbarkeit durch quantitative Maße. Teilweise erreichen die Segmentierungsergebnisse die qualitativen Resultate manuell vorgehender Radiologen.
Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.