Evaluation eines herstellerunabhängigen Deep-Learning-Entrauschungsverfahrens bei pädiatrischer low-dose kranialen CT ohne Kontrastmittel
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S78-S79
DOI: 10.1055/s-0046-1817650 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von S Steinmetz.
Abstract (Originalsprache)
Zielsetzung Diese Studie untersucht den Einfluss eines herstellerunabhängigen Deep-Learning-Denoising (DLD) Algorithmus auf die diagnostische Bildqualität pädiatrischer low-dose kranialer CTs ohne Kontrastmittel (LD-cCT). Material und Methoden In diese retrospektive, monozentrische Studie wurden LD-cCT-Daten von 59 Patienten (
Zitieren
APA
Steinmetz, S. (2026). Evaluation eines herstellerunabhängigen Deep-Learning-Entrauschungsverfahrens bei pädiatrischer low-dose kranialen CT ohne Kontrastmittel. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S78-S79. https://doi.org/10.1055/s-0046-1817650
Vancouver
Steinmetz S. Evaluation eines herstellerunabhängigen Deep-Learning-Entrauschungsverfahrens bei pädiatrischer low-dose kranialen CT ohne Kontrastmittel. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S78-S79. doi:10.1055/s-0046-1817650
BibTeX
@article{Steinmetz2026,
author = {Steinmetz, S},
title = {Evaluation eines herstellerunabhängigen Deep-Learning-Entrauschungsverfahrens bei pädiatrischer low-dose kranialen CT ohne Kontrastmittel},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2026},
volume = {198},
number = {S 01 S 01},
pages = {S78--S79},
doi = {10.1055/s-0046-1817650}
}
EUVIMED