Wissensportal für Fachkräfte der medizinischen Bildgebung: Radiologie durch strukturierte Befundung, datenbasierte Ansätze und multizentrische Forschung weiterentwickeln

Erhalten Sie Zugang zu wegweisender Forschung, innovativen Fallbeispielen und gemeinsamen Projekten, die die Radiologie weltweit vorantreiben. Entdecken Sie unsere Aktivitäten und Produktneuigkeiten und lernen Sie uns als Unternehmen und Team kennen.

Lunchsymposium auf dem Röko in Leipzig

Das Symposium findet am Freitag, den 6. Mai 2016 um 12:15‐13:15 Uhr im Saal Bucky statt.

 

Titel: Strukturierte Befunderhebung zum Tumor-Staging und zur onkologischen Therapiebeurteilung in klinischer Routine und Forschung

Vorsitz und Einleitung: Prof. Dr. Günter Layer, Ludwigshafen

PD Dr. Matthias Röthke, Hamburg

Strukturierte Befundung der multiparametrischen MRT der Prostata mit PIRADS 2.0:

Ist eine effiziente Befunderhebung mit nachvollziehbarer Dokumentation in der Praxis möglich?

 

Prof. Dr. Rolf Janka, Erlangen

Herausforderungen bei der onkologischen Therapiebeurteilung:

Welche Informationen braucht der Onkologe und (wie) können wir diese liefern?

PD Dr. Thorsten Persigehl, Köln

Staging von Tumorerkrankungen:

Strukturierte Befundberichte für die Zusammenarbeit in den Tumorboards

Ähnliche Inhalte

Ähnliche Inhalte

mint Lesion Screenshot mit HCC Diagnose laut APASL, AASLD, LI-RADS, LCA-NCC und EASL Leitlinien.

Multizentrische Studie: Vergleich diagnostischer Leitlinien für hepatozelluläres Karzinom

Neueste Fortschritte in MRT-Techniken und der Tumorbiologie haben zu aktualisierten Diagnoseleitlinien verschiedener Leberforschungsverbände für das…

Radiologe nutzt KI zur Auswertung medizinischer Bilder

Förderung des föderierten Lernens in der Radiologie in der Praxis

Federated Learning (FL) ermöglicht kollaboratives Modelltraining ohne Datenzentralisierung - ein entscheidender Aspekt für die radiologische…

Schematische Darstellung der Federated-Learning Studie und ihrer Dateninfastruktur

RACOON: Ein Leitfaden zur Überbrückung der Kluft zwischen simulierter und realer Forschung im Bereich des föderalen Lernens

Deep Learning (DL) ist ein wichtiger Bestandteil der radiologischen Bildanalyse geworden. Um diese Deep-Learning-Modelle zu trainieren, ist der Zugang…