MRT-Bildverarbeitung durch intelligente Mustererkennungsalgorithmen: Zeitreihenanalyse durch selbstorganisierende Clustersegmentierung

Magnetresonanztomographie ist ein wichtiges nichtinvasives,
bildgebendes Schnittbildverfahren in der medizinischen Diagnostik.
Neben der klassischen Aufgabe der Strukturbildgebung sind in den
letzten Jahren auch neue Anwendungsfelder der Funktionsbildgebung
in den Brennpunkt des medizinisch-wissenschaftlichen Interesses
gerückt. Die vorliegende Arbeit untersucht die Anwendung
explorativer Methoden zur Datenanalyse der zeitlichen Dynamik in
funktionellen MRT-Zeitreihen durch Methoden der Clusteranalyse
sowie durch Komponentenanalyseverfahren (PCA, ICA) unter besonderer
Berücksichtigung der Aspekte Rechenzeit, Objektivität, Reliabilität
sowie Validität der Partitionierungsergebnisse. Darüber hinaus wird
der Ansatz der Clusteranalyse zur Anwendung auf weitere dynamische
MRT-Zeitreihen erweitert: zur Clusteranalyse dynamischer
perfusionsgewichteter MRT-Bildfolgen, zur Clusteranalyse
Kontrastmittel-unterstützter dynamischer
MRT-Mammographie-Bildfolgen sowie zur Konnektivitätsanalyse im
motorischen System des Menschen.