Potenzial der Nutzung strukturierter Daten aus klinischen Studien und Routine für KI und Radiomics

Dr. Nils Grosse Hokamp teilt in diesem Kurzinterview seine Erfahrungen mit der Verwendung von mint Lesion™ an der Universitätsklinik Köln mit. Er spricht darüber, wie sie die Verwendung von mint Lesion™ im Laufe der Jahre ausgeweitet haben, wie dies ihre klinischen Studien verändert hat und seine Ansicht über das Potenzial strukturierter Daten für die Forschung.

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…