000290589 001__ 290589
000290589 005__ 20240603180206.0
000290589 037__ $$aDKFZ-2024-01186
000290589 1001_ $$0P:(DE-He78)3fc0132fdf74e0d009a961e74b829284$$aStraßburger, Svea$$b0$$udkfz
000290589 245__ $$aInvestigating the effectivity of deep learning, specifically nnU-Net, in enhancing in vivo Fluorescence Molecular Tomography through semantic segmentation as an alternative to resolving the ill-posed inverse problem
000290589 260__ $$c2024
000290589 3367_ $$2DRIVER$$abachelorThesis
000290589 3367_ $$02$$2EndNote$$aThesis
000290589 3367_ $$2DataCite$$aOutput Types/Supervised Student Publication
000290589 3367_ $$0PUB:(DE-HGF)2$$2PUB:(DE-HGF)$$aBachelor Thesis$$bbachelor$$mbachelor$$s1717417826_4832
000290589 3367_ $$2BibTeX$$aMASTERSTHESIS
000290589 3367_ $$2ORCID$$aSUPERVISED_STUDENT_PUBLICATION
000290589 502__ $$aBachelorarbeit, Universität Heidelberg, 2024$$bBachelorarbeit$$cUniversität Heidelberg$$gFakultät für Physik und Astronomie
000290589 536__ $$0G:(DE-HGF)POF4-315$$a315 - Bildgebung und Radioonkologie (POF4-315)$$cPOF4-315$$fPOF IV$$x0
000290589 909CO $$ooai:inrepo02.dkfz.de:290589$$pVDB
000290589 9101_ $$0I:(DE-588b)2036810-0$$6P:(DE-He78)3fc0132fdf74e0d009a961e74b829284$$aDeutsches Krebsforschungszentrum$$b0$$kDKFZ
000290589 9131_ $$0G:(DE-HGF)POF4-315$$1G:(DE-HGF)POF4-310$$2G:(DE-HGF)POF4-300$$3G:(DE-HGF)POF4$$4G:(DE-HGF)POF$$aDE-HGF$$bGesundheit$$lKrebsforschung$$vBildgebung und Radioonkologie$$x0
000290589 9141_ $$y2024
000290589 9201_ $$0I:(DE-He78)E020-20160331$$kE020$$lE020 Med. Physik in der Radiologie$$x0
000290589 980__ $$abachelor
000290589 980__ $$aVDB
000290589 980__ $$aI:(DE-He78)E020-20160331
000290589 980__ $$aUNRESTRICTED