EUVIMEDEUVIMED entdecken
Crossref

URO – Vollautomatisches Deep-Learning-Modell für die Detektion von Prostatakarzinomen

Susanne Krome

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →