Login
- Original title:
- Learnable personalization of brain tumor growth models
- Translated title:
- Lernbare Personalisierung von Hirntumor-Wachstumsmodellen
- Author:
- Ezhov, Ivan
- Year:
- 2023
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Computation, Information and Technology
- Advisor:
- Menze, Björn H. (Prof. Dr.)
- Referee:
- Menze, Björn H. (Prof. Dr.); Lowengrub, John (Prof. Dr.); Mang, Andreas (Prof. Dr.)
- Language:
- en
- Subject group:
- DAT Datenverarbeitung, Informatik; MED Medizin
- TUM classification:
- DAT 760; MED 230
- Abstract:
- Treatment planning for patients diagnosed with brain tumors requires understanding the disease dynamics. Mathematical formalization of the tumor progression often implies resorting to a parameterized system of differential equations. This dissertation addresses computational bottlenecks of calibrating tumor models from medical data by developing efficient algorithms for parametric inference.
- Translated abstract:
- Eine Behandlungsplanung für Patienten mit Hirntumor erfordert ein Verständnis der Krankheitsdynamik. Die mathematische Formalisierung der Tumorprogression greift in der Regel auf ein parametrisches System von Differentialgleichungen zurück. Um den limiterenden Faktor der Rechenzeit für die Verknüpfung von Tumormodellen mit medizinischen Daten zu eliminieren, befasst sich diese Dissertation mit der Entwicklung effizienter Algorithmen für die parametrische Inferenz.
- WWW:
- https://mediatum.ub.tum.de/?id=1694796
- Date of submission:
- 17.04.2023
- Oral examination:
- 18.12.2023
- File size:
- 14498730 bytes
- Pages:
- 96
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231218-1694796-1-0
- Last change:
- 23.01.2024
BibTeX