{"title":"在核磁共振成像里脑瘤","authors":"S. Krome","doi":"10.1055/a-1970-1311","DOIUrl":null,"url":null,"abstract":"Das tiefe Lernen („deep learning“) als Teil des maschinellen Lernens hat sich auf vielen medizinischen Feldern als nützlich erwiesen. In der Studie mit Daten von 37 871 Patienten, die in der MRT einen Gehirntumor aufwiesen, trug ein System mit tiefem Lernen (DLS) nicht nur zu besseren diagnostischen Aussagen von Spezialisten bei, sondern war per se mit einer höheren Sensitivität assoziiert. Insgesamt 18 verschiedene Gehirntumoren wurden besser und schneller klassifiziert.","PeriodicalId":122245,"journal":{"name":"Onkologische Welt","volume":"2 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-05-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Gehirntumoren in der MRT\",\"authors\":\"S. Krome\",\"doi\":\"10.1055/a-1970-1311\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Das tiefe Lernen („deep learning“) als Teil des maschinellen Lernens hat sich auf vielen medizinischen Feldern als nützlich erwiesen. In der Studie mit Daten von 37 871 Patienten, die in der MRT einen Gehirntumor aufwiesen, trug ein System mit tiefem Lernen (DLS) nicht nur zu besseren diagnostischen Aussagen von Spezialisten bei, sondern war per se mit einer höheren Sensitivität assoziiert. Insgesamt 18 verschiedene Gehirntumoren wurden besser und schneller klassifiziert.\",\"PeriodicalId\":122245,\"journal\":{\"name\":\"Onkologische Welt\",\"volume\":\"2 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-05-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Onkologische Welt\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1055/a-1970-1311\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Onkologische Welt","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1055/a-1970-1311","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Das tiefe Lernen („deep learning“) als Teil des maschinellen Lernens hat sich auf vielen medizinischen Feldern als nützlich erwiesen. In der Studie mit Daten von 37 871 Patienten, die in der MRT einen Gehirntumor aufwiesen, trug ein System mit tiefem Lernen (DLS) nicht nur zu besseren diagnostischen Aussagen von Spezialisten bei, sondern war per se mit einer höheren Sensitivität assoziiert. Insgesamt 18 verschiedene Gehirntumoren wurden besser und schneller klassifiziert.