TY  - THES
A3  - Burger, Martin
AB  - Biomedizinische Bildgebung ist zu einer Schlüsseltechnik geworden, Struktur oder Funktion lebender Organismen nicht-invasiv zu untersuchen. Relevante Informationen aus den gemessenen Daten zu rekonstruieren erfordert neben mathematischer Modellierung und numerischer Simulation das verlässliche Lösen schlecht gestellter inverser Probleme. Um dies zu erreichen müssen zusätzliche a-priori Informationen über die zu rekonstruierende Größe formuliert und in die algorithmischen Lösungsverfahren einbezogen werden. Bayesianische Invertierung ist eine spezielle mathematische Methodik dies zu tun. Die vorliegende Arbeit entwickelt eine aktuelle Übersicht Bayesianischer Invertierung und demonstriert die vorgestellten Konzepte und Algorithmen in verschiedenen numerischen Studien, darunter anspruchsvolle Anwendungen aus der biomedizinischen Bildgebung mit experimentellen Daten. Ein Schwerpunkt liegt dabei auf der Verwendung von Dünnbesetztheit/Sparsity als a-priori Information.
AU  - Lucka, Felix
DA  - 2015
KW  - Bayesianische Statistik, Biomedizinische Bildgebung, inverse Probleme, Sparsity, Computertomographie, Elektroenzephalographie, Magnetoenzephalographie
KW  - Bayesian inference
KW  - biomedical imaging
KW  - inverse problems
KW  - sparsity
KW  - computed tomography
KW  - electroencephalography
KW  - magnetoencephalography
LA  - eng
PY  - 2015
TI  - Bayesian inversion in biomedical imaging
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-80359613770
Y2  - 2024-12-26T20:40:16
ER  -