URO – Vollautomatisches Deep-Learning-Modell für die Detektion von Prostatakarzinomen
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2025 · 197 (04) · 367
DOI: 10.1055/a-2471-2147 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2025. Verfasst von Susanne Krome. Die Arbeit nennt 1 Literaturangaben.
Abstract (Originalsprache)
Die multiparametrische MRT ist der diagnostische Goldstandard, wenn der Verdacht auf ein klinisch signifikantes Prostatakarzinom (csPCA) besteht. Das PI-RAD-System ermöglicht die standardisierte Interpretation und Einordnung. Dabei besteht eine hohe erfahrungsabhängige, intra- und interindividuelle Variabilität. Mit tiefem Lernen können deterministische Aussagen generiert werden. Die Studiengruppe entwickelte, testete und validierte ein Modell, bei dem keine Informationen über die Tumorlokalisation notwendig waren.
Zitieren
APA
Krome, S. (2025). URO – Vollautomatisches Deep-Learning-Modell für die Detektion von Prostatakarzinomen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 197(04), 367. https://doi.org/10.1055/a-2471-2147
Vancouver
Krome S. URO – Vollautomatisches Deep-Learning-Modell für die Detektion von Prostatakarzinomen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2025;197(04):367. doi:10.1055/a-2471-2147
BibTeX
@article{Krome2025,
author = {Krome, Susanne},
title = {URO – Vollautomatisches Deep-Learning-Modell für die Detektion von Prostatakarzinomen},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2025},
volume = {197},
number = {04},
pages = {367},
doi = {10.1055/a-2471-2147}
}
EUVIMED