LUNGE THORAX – COPD: neuer Deep-Learning-Ansatz zur Bewertung von Thorax-CT
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.12.2024 · 196 (12) · 1215-1216
DOI: 10.1055/a-2417-0033 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.12.2024. Verfasst von Susanne Krome. Die Arbeit nennt 1 Literaturangaben.
Themen: COPD
Abstract (Originalsprache)
Etwa jeder 10. Mensch weltweit habe eine chronisch obstruktive Lungenerkrankung (COPD), wobei ein großer Teil undiagnostiziert bliebe, so die Studiengruppe. Die große Variabilität der Befunde und der regionalen Verteilung erschwere die Interpretation von CTs. Ansätze mit überwachtem Lernen als Teilbereich des maschinellen Lernens haben begrenzte Effekte, da sie nicht alle notwendigen vorklassifizierten Beispieldaten enthalten können. Beim selbstüberwachten Lernen ist das anders.
Zitieren
APA
Krome, S. (2024). LUNGE THORAX – COPD: neuer Deep-Learning-Ansatz zur Bewertung von Thorax-CT. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 196(12), 1215-1216. https://doi.org/10.1055/a-2417-0033
Vancouver
Krome S. LUNGE THORAX – COPD: neuer Deep-Learning-Ansatz zur Bewertung von Thorax-CT. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2024;196(12):1215-1216. doi:10.1055/a-2417-0033
BibTeX
@article{Krome2024,
author = {Krome, Susanne},
title = {LUNGE THORAX – COPD: neuer Deep-Learning-Ansatz zur Bewertung von Thorax-CT},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2024},
volume = {196},
number = {12},
pages = {1215--1216},
doi = {10.1055/a-2417-0033}
}
EUVIMED