Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Brandenburg, Johanna [VerfasserIn]   i
 Jenke, Alexander [VerfasserIn]   i
 Stern, Antonia [VerfasserIn]   i
 Schulze, André [VerfasserIn]   i
 Younis, Rayan [VerfasserIn]   i
 Petrynowski, Philipp [VerfasserIn]   i
 Davitashvili, Tornike [VerfasserIn]   i
 Vanat, Vincent [VerfasserIn]   i
 Bhasker, Nithya [VerfasserIn]   i
 Schneider, Sophia [VerfasserIn]   i
 Mündermann, Lars [VerfasserIn]   i
 Reinke, Annika [VerfasserIn]   i
 Kolbinger, Fiona [VerfasserIn]   i
 Jörns, Vanessa [VerfasserIn]   i
 Fritz-Kebede, Fleur [VerfasserIn]   i
 Dugas, Martin [VerfasserIn]   i
 Maier-Hein, Lena [VerfasserIn]   i
 Klotz, Rosa [VerfasserIn]   i
 Distler, Marius [VerfasserIn]   i
 Weitz, Jürgen [VerfasserIn]   i
 Müller, Beat P. [VerfasserIn]   i
 Speidel, Stefanie [VerfasserIn]   i
 Bodenstedt, Sebastian [VerfasserIn]   i
 Wagner, Martin [VerfasserIn]   i
Titel:Active learning for extracting surgomic features in robot-assisted minimally invasive esophagectomy
Titelzusatz:a prospective annotation study
Mitwirkende:Daum, Marie T. J.   i
Verf.angabe:Johanna M. Brandenburg, Alexander C. Jenke, Antonia Stern, Marie T.J. Daum, André Schulze, Rayan Younis, Philipp Petrynowski, Tornike Davitashvili, Vincent Vanat, Nithya Bhasker, Sophia Schneider, Lars Mündermann, Annika Reinke, Fiona R. Kolbinger, Vanessa Jörns, Fleur Fritz-Kebede, Martin Dugas, Lena Maier-Hein, Rosa Klotz, Marius Distler, Jürgen Weitz, Beat P. Müller-Stich, Stefanie Speidel, Sebastian Bodenstedt, Martin Wagner
E-Jahr:2023
Jahr:14 October 2023
Umfang:17 S.
Fussnoten:Gesehen am 05.03.2024
Titel Quelle:Enthalten in: Surgical endoscopy and other interventional techniques
Ort Quelle:New York, NY : Springer, 1987
Jahr Quelle:2023
Band/Heft Quelle:37(2023), 11, Seite 8577-8593
ISSN Quelle:1432-2218
Abstract:With Surgomics, we aim for personalized prediction of the patient's surgical outcome using machine-learning (ML) on multimodal intraoperative data to extract surgomic features as surgical process characteristics. As high-quality annotations by medical experts are crucial, but still a bottleneck, we prospectively investigate active learning (AL) to reduce annotation effort and present automatic recognition of surgomic features.
DOI:doi:10.1007/s00464-023-10447-6
URL:Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.

kostenfrei: Volltext: https://doi.org/10.1007/s00464-023-10447-6
 kostenfrei: Volltext: https://link.springer.com/article/10.1007/s00464-023-10447-6
 DOI: https://doi.org/10.1007/s00464-023-10447-6
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:Artificial intelligence
 Machine learning
 Minimally invasive surgery
 Precision medicine
 Surgical data science
 Surgomics
K10plus-PPN:1882520068
Verknüpfungen:→ Zeitschrift

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/69188280   QR-Code
zum Seitenanfang