@misc{Heidt2008,
  author    = {Heidt, Sven-Ren{\´e} von der},
  title     = {Modellbasierte Charakterisierung von Herdbefunden in Mammogrammen},
  url       = {https://nbn-resolving.org/urn:nbn:de:kola-2373},
  institution = {Institut f{\"u}r Computervisualistik},
  pages     = {69},
  year      = {2008},
  abstract  = {Bei der subjektiven Interpretation von Mammographien werden Studien zufolge 10\% bis 30\% von Brustkrebserkrankungen im Fr{\"u}hstadium nicht erkannt. Eine weitere Fehlrate beziffert die f{\"a}lschlich als m{\"o}glichen Brustkrebs eingestuften Herde; diese Fehlrate wird mit 35\% angegeben. Ein solche Fehleinsch{\"a}tzung hat f{\"u}r die Patientin weitreichende negative Folgen. Sie wird einer unn{\"o}tigen psychischen und k{\"o}rperlichen Belastung ausgesetzt. Um solche Fehleinsch{\"a}tzungen zu minimieren, wird zunehmend die Computer-aided Detection/Diagnosis (CAD) eingesetzt. Das Ziel dieser Arbeit ist die Evaluation von Methoden multivariater Datenanalyse, eingesetzt zur Diagnose von Herdbefunden. Die aus der Gesichtserkennung bekannten Methoden Eigenfaces und Fisherfaces werden auf Mammographieaufnahmen angewendet, um eine Einordnung von Herdbefunden nach benign oder malign zu t{\"a}tigen. Eine weitere implementierte Methode wird als Eigenfeature Regularization and Extraction bezeichnet. Nach einer Einf{\"u}hrung zum medizinischen Hintergrund und zum aktuellen Stand der computer-assistierten Detektion/Diagnose werden die verwendete Bilddatenbank vorgestellt, Normierungsschritte aufgef{\"u}hrt und die implementierten Methoden beschrieben. Die Methoden werden der ROC-Analyse unterzogen. Die Fl{\"a}chen unterhalb der ROC-Kurven dienen als Maß f{\"u}r die Aussagekraft der Methoden. Die erzielten Ergebnisse zeigen, dass alle implementierten Methoden eine schwache Aussagekraft haben. Dabei wurden die Erwartungen an die Fisherface- und ERE-Methode nicht erf{\"u}llt. Die Eigenface-Methode hat, angewendet auf Herdbefunde in Mammogrammen, die h{\"o}chsten AUC-Werte erreicht. Die Ber{\"u}cksichtigung der Grauwertnormierung in der Auswertung zeigt, dass die qualitativen Unterschiede der Mammogramme nicht ausschlaggebend f{\"u}r die Ergebnisse sind.},
  language  = {de}
}