Pablo Gómez

Deep Learning Methods for Processing Endoscopic High-Speed Video and Laryngeal Parameter Estimation


Vorderseite	Rückseite

ISBN:

978-3-8440-6845-0

Reihe:

Kommunikationsstörungen - Berichte aus Phoniatrie und Pädaudiologie
Herausgeber: Prof. Dr.-Ing. Michael Döllinger und Reihe begründet 1996 von Prof. Dr. Dr. Ulrich Eysholdt
Erlangen-Nürnberg

Band:

Schlagwörter:

Deep Learning; High-Speed Videoendoskopie; Neuronale Netzwerke; Phoniatrie; High-speed Videoendoscopy; Image Processing; Automatic Segmentation; Vocal Fold Models; Voice Parameter Estimation; Recurrent Neural Network

Publikationsart:

Dissertation

Sprache:

Englisch

Seiten:

158 Seiten

Abbildungen:

36 Abbildungen

Gewicht:

219 g

Format:

21 x 14,8 cm

Bindung:

Paperback

Preis:

48,80 € / 61,10 SFr

Erscheinungsdatum:

August 2019

Kaufen:

DOI:

10.2370/9783844068450 (Online-Gesamtdokument)

Download:

Verfügbare Online-Dokumente zu diesem Titel:

Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.

Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.


	Dokument		Gesamtdokument
	Dateiart		PDF
	Kosten		36,60 EUR
	Aktion		Zahlungspflichtig kaufen und anzeigen der Datei - 6,0 MB (6322210 Byte)
	Aktion		Zahlungspflichtig kaufen und download der Datei - 6,0 MB (6322210 Byte)


	Dokument		Inhaltsverzeichnis
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 337 kB (345197 Byte)
	Aktion		Download der Datei - 337 kB (345197 Byte)

Benutzereinstellungen für registrierte Online-Kunden

Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.

Benutzer:	Nicht angemeldet
Aktionen:	Anmelden/Registrieren Passwort vergessen?

Weiterempfehlung:

Sie möchten diesen Titel weiterempfehlen?

Rezensionsexemplar:

Hier können Sie ein Rezensionsexemplar bestellen.

Verlinken:

Sie möchten diese Seite verlinken? Hier klicken.

Export Zitat:

Text
BibTex
RIS

Zusammenfassung:

Deep learning methods have had tremendous impact in computer vision, image processing and all areas that relate to these fields. This dissertation explores the application of these methods to the enhancement and processing of endoscopic high-speed video (HSV).

HSV is one of the main technique used in voice research as the small-scale, rapid oscillation of the vocal folds requires sophisticated recording techniques. As voice disorders have been shown to have a tremendous negative impact on the quality of life of the affected and society in general, a new generation of more objective diagnostic techniques is required. This dissertation features several contributions towards this goal:

An innovative method to enhance low-light HSV using an improved U-Net convolutional neural network
A robust and fast deep-learning-based automatic method for the segmentation of the glottis in HSV data
Development of an improved two-mass-model of the vocal folds
Proof of concept of estimating ex-vivo subglottal pressure validated on experimental data
Proof of concept of estimating subglottal pressure with a recurrent neural network trained on a numerical model

After a thorough introduction to the field of voice research and deep learning the dissertation describes the developed methods and results in detail. The dissertation describes signifcant improvements in regard to low-light image enhancement, automatic glottis segmentation physical voice parameter inference.