EUVIMEDEUVIMED entdecken
Crossref

PET und KI: Ein narrativer Überblick

Julian Manuel Michael Rogasch, Jakub Mikolajczak, Dirk Hellwig, Jens Maus, Frank Hofheinz, Anja Braune, Pavel Nikulin

TumorDiagnostik & Therapie · 01.02.2026 · 47 (01) · 35-43

DOI: 10.1055/a-2765-4231 ↗

Kurz gefasst

Fachartikel in der Zeitschrift TumorDiagnostik & Therapie, erschienen am 01.02.2026. Verfasst von Julian Manuel Michael Rogasch und 6 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

ZusammenfassungDieser Artikel bietet einen aktuellen Überblick über Entwicklungen zu Künstlicher Intelligenz (KI) in der PET-Bildgebung. Neben einer Einführung in Deep Learning-Methoden werden Anwendungen wie Bildrekonstruktion und Bildsegmentierung beleuchtet. Zudem wird die aktuelle Literatur zu KI-gestützten diagnostischen, prognostischen und prädiktiven Modelle in Onkologie und Neurologie dargestellt. Fortschritte in Vision-Language Models (VLMs) und Large-Language Models (LLMs) zeigen Potenzial für eine strukturierte Befundung und Workflow-Optimierung. Trotz vielversprechender Entwicklungen bleibt eine sorgfältige Validierung der KI-Modelle essenziell, um Generalisierbarkeit und klinische Anwendbarkeit sicherzustellen.

Zitieren

APA

Rogasch, J. M. M., Mikolajczak, J., Hellwig, D., Maus, J., Hofheinz, F., Braune, A., & Nikulin, P. (2026). PET und KI: Ein narrativer Überblick. TumorDiagnostik & Therapie, 47(01), 35-43. https://doi.org/10.1055/a-2765-4231

Vancouver

Rogasch JMM, Mikolajczak J, Hellwig D, Maus J, Hofheinz F, Braune A, et al. PET und KI: Ein narrativer Überblick. TumorDiagnostik & Therapie. 2026;47(01):35-43. doi:10.1055/a-2765-4231

BibTeX
@article{Rogasch2026,
  author = {Rogasch, Julian Manuel Michael and Mikolajczak, Jakub and Hellwig, Dirk and Maus, Jens and Hofheinz, Frank and Braune, Anja and Nikulin, Pavel},
  title = {PET und KI: Ein narrativer Überblick},
  journal = {TumorDiagnostik & Therapie},
  year = {2026},
  volume = {47},
  number = {01},
  pages = {35--43},
  doi = {10.1055/a-2765-4231}
}
Kostenlos starten →