EUVIMEDEUVIMED entdecken
Crossref

Evaluation eines herstellerunabhängigen Deep-Learning-Entrauschungsverfahrens bei pädiatrischer low-dose kranialen CT ohne Kontrastmittel

S Steinmetz

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →