Deep-Learning-Verfahren zur Erkennung von Papillenödemen auf nicht mydriatischen Fundusfotos in der Notaufnahme
Klinische Monatsblätter für Augenheilkunde · 01.08.2024 · 241 (08) · 887-888
DOI: 10.1055/a-2330-3356 ↗Kurz gefasst
Fachartikel in der Zeitschrift Klinische Monatsblätter für Augenheilkunde, erschienen am 01.08.2024. Verfasst von Michaela Bitzer. Die Arbeit nennt 1 Literaturangaben.
Abstract (Originalsprache)
Die Studie FOTO-ED (Fundusfotografie vs. Ophthalmoskopie in der Notaufnahme) hat gezeigt, dass Fachkräfte in der Notaufnahme funduskopische Untersuchungen nur schwer beurteilen können. Trotz einer besseren Performance, wenn Mitarbeiter in der Notaufnahme Zugang zu nicht mydriatischen Fundusfotografien (NMFP) hatten und in der Interpretation der Bilder geschult wurden, verbesserte sich die Erkennung von Anomalien nicht signifikant.
Zitieren
APA
Bitzer, M. (2024). Deep-Learning-Verfahren zur Erkennung von Papillenödemen auf nicht mydriatischen Fundusfotos in der Notaufnahme. Klinische Monatsblätter für Augenheilkunde, 241(08), 887-888. https://doi.org/10.1055/a-2330-3356
Vancouver
Bitzer M. Deep-Learning-Verfahren zur Erkennung von Papillenödemen auf nicht mydriatischen Fundusfotos in der Notaufnahme. Klinische Monatsblätter für Augenheilkunde. 2024;241(08):887-888. doi:10.1055/a-2330-3356
BibTeX
@article{Bitzer2024,
author = {Bitzer, Michaela},
title = {Deep-Learning-Verfahren zur Erkennung von Papillenödemen auf nicht mydriatischen Fundusfotos in der Notaufnahme},
journal = {Klinische Monatsblätter für Augenheilkunde},
year = {2024},
volume = {241},
number = {08},
pages = {887--888},
doi = {10.1055/a-2330-3356}
}
EUVIMED