EUVIMEDEUVIMED entdecken
Crossref

LUNGE THORAX – COPD: neuer Deep-Learning-Ansatz zur Bewertung von Thorax-CT

Susanne Krome

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →