| |  Online-Ressource |
|---|
| Verfasst von: | Kleesiek, Jens Philipp [VerfasserIn]  |
|---|
| | Murray, Jacob [VerfasserIn] |
|---|
| | Strack, Christian [VerfasserIn] |
|---|
| | Prinz, Sebastian [VerfasserIn] |
|---|
| | Kaissis, Georgios [VerfasserIn] |
|---|
| | Braren, Rickmer [VerfasserIn] |
|---|
| Titel: | Künstliche Intelligenz und maschinelles Lernen in der onkologischen Bildgebung |
|---|
| Paralleltitel: | Artificial intelligence and machine learning in oncologic imaging |
|---|
| Verf.angabe: | Jens Kleesiek, Jacob M. Murray, Christian Strack, Sebastian Prinz, Georgios Kaissis, Rickmer Braren |
|---|
| E-Jahr: | 2020 |
|---|
| Jahr: | 14 October 2020 |
|---|
| Umfang: | 10 S. |
|---|
| Fussnoten: | Gesehen am 19.09.2024 |
|---|
| Titel Quelle: | Enthalten in: Der Pathologe |
|---|
| Ort Quelle: | Berlin : Springer, 1994 |
|---|
| Jahr Quelle: | 2020 |
|---|
| Band/Heft Quelle: | 41(2020), 6, Seite 649-658 |
|---|
| ISSN Quelle: | 1432-1963 |
|---|
| Abstract: | Maschinelles Lernen (ML) hält gegenwärtig Einzug in viele Bereiche der Gesellschaft, so auch in die Medizin. Diese Transformation birgt das Potenzial, den ärztlichen Berufsalltag drastisch zu verändern. In der Interaktion zwischen den Disziplinen und Modalitäten der onkologischen Patientenversorgung wird dies besonders deutlich. Computer erbringen in mehreren Forschungsarbeiten in Kollaboration mit Menschen oder allein bereits bessere Ergebnisse in der Tumoridentifikation, ihrer Klassifikation sowie beim Erstellen von Prognosen und bei der Therapieevaluation als Menschen. Zudem können Algorithmen - z.B. künstliche neuronale Netze (KNN), die für viele der gegenwärtigen Errungenschaften im ML-Feld verantwortlich sind - dies reproduzierbar, schnell und kostengünstig erbringen. Es ist heute schon absehbar, dass die Anwendung künstlicher Intelligenz sich zu einem integralen Bestandteil des ärztlichen Handels entwickeln und Vorteile für die onkologische Diagnostik und Therapie bieten wird. |
|---|
| DOI: | doi:10.1007/s00292-020-00827-3 |
|---|
| 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.
Volltext: https://link.springer.com/article/10.1007/s00292-020-00827-3 |
|---|
| | Volltext: https://doi.org/10.1007/s00292-020-00827-3 |
|---|
| | DOI: https://doi.org/10.1007/s00292-020-00827-3 |
|---|
| Datenträger: | Online-Ressource |
|---|
| Sprache: | ger |
|---|
| Sach-SW: | Computer-assisted image processing |
|---|
| | Computergestützte Bildverarbeitung |
|---|
| | Deep learning |
|---|
| | Deep Learning |
|---|
| | Diagnostic imaging |
|---|
| | Diagnostische Bildgebung |
|---|
| | Machine learning |
|---|
| | Maschinelles Lernen |
|---|
| | Medical Imaging |
|---|
| | Neural networks (computer) |
|---|
| | Neuronale Netze (Computer) |
|---|
| K10plus-PPN: | 1903018609 |
|---|
| Verknüpfungen: | → Zeitschrift |
|---|
Künstliche Intelligenz und maschinelles Lernen in der onkologischen Bildgebung / Kleesiek, Jens Philipp [VerfasserIn]; 14 October 2020 (Online-Ressource)
