Logo des Repositoriums
Zur Startseite
  • English
  • Deutsch
Anmelden
  1. Startseite
  2. SuUB
  3. Dissertationen
  4. Invertible neural networks and normalizing flows for image reconstruction
 
Zitierlink DOI
10.26092/elib/2921

Invertible neural networks and normalizing flows for image reconstruction

Veröffentlichungsdatum
2024-03-12
Autoren
Denker, Alexander  
Betreuer
Maaß, Peter  
Gutachter
Kreusser, Lisa Maria  
Zusammenfassung
Datenbasierten Methoden, insbesondere Deep Learning Methoden, wurden in den letzten Jahren erfolgreich zur Lösung von verschiedenen Inversen Problemen angewendet. In der medizinischen Bildgebung, zum Beispiel in der Computertmographie (CT) oder Magnetresonanztomographie (MR), wurden Methoden entwickelt, die zu einer bemerkenswerten Steigerung der Bildqualität führen können. In meiner Promotion habe ich verschiedene Deep Learning Methoden zur Bildrekonstruktion analysiert und entwickelt. Mein Fokus lag in der Analyse von invertierbaren neuronalen Netzen. Invertierbare neuronale Netze bilden die Grundlage für die Implementation von generativen Normalizing Flows. Des Weiteren habe ich an verschiedenen Challenges teilgenommen, um diese neuartigen Deep Learning Methoden auf reale Problemstellungen anzuwenden und zu validieren.
Diese Arbeit besteht aus sechs Veröffentlichungen. In den ersten beiden Arbeiten wird die Anwendung von invertierbaren Netzwerken zur Approximation von a-posteriori Verteilungen im Kontext von verschiedenen medizinischen Bildgebungsproblemen untersucht. Zusätzlich haben wir an der Implementierung von invertierbaren Netzwerken zur Approximation der a-priori Verteilung gearbeitet. In der Helsinki Tomographie Challenge haben wir verschiedenen Ansätze für die CT-Rekonstruktion auf einem realen Datensatz ausgewertet und den zweiten Platz erreichen können. In dem letzten Abschnitt haben wir die Anwendung von Score-basierten Diffusionsmodellen, als Erweiterung der generativen Modelle in den anderen Veröffentlichungen, auf CT-Rekonstruktion und MR-Rekonstruktion untersucht. Insbesondere wurden Methoden für den Fall einer Diskrepanz der Training- und Testverteilung entwickelt. Außerdem haben wir notwendige Anpassungen für die Anwendung dieser Methoden auf Positronen-Emissions-Tomographie vorgenommen.
Schlagwörter
Inverse Problems

; 

Invertible Neural Networks

; 

image reconstruction
Institution
Universität Bremen  
Fachbereich
Fachbereich 03: Mathematik/Informatik (FB 03)  
Dokumenttyp
Dissertation
Lizenz
https://creativecommons.org/licenses/by/4.0/
Sprache
Englisch
Dateien
Lade...
Vorschaubild
Name

Denker_2024_Diss_Invertible Neural Networks and Normalizing Flows for Image Reconstruction.pdf

Size

1.03 MB

Format

Adobe PDF

Checksum

(MD5):33a4c5d9e8a2ccd79a2e216d613107ae

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science

  • Datenschutzbestimmungen
  • Endnutzervereinbarung
  • Feedback schicken