Buchumschlag

Künstliche Intelligenz und maschinelles Lernen in der onkologischen Bildgebung = Artificial intelligence and machine learning in oncologic imaging

Weitere Versionen anzeigen (1)

Maschinelles Lernen (ML) hält gegenwärtig Einzug in vielen Bereichen der Gesellschaft, so auch in der Medizin. Diese Transformation birgt das Potenzial, das Berufsbild und den Berufsalltag drastisch zu verändern, auch wenn diese Neuerungen bis jetzt nur vereinzelt die klinische Praxis beeinflusse...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Kleesiek, Jens Philipp (VerfasserIn) , Murray, Jacob (VerfasserIn) , Kaissis, Georgios (VerfasserIn) , Braren, Rickmer (VerfasserIn)
Dokumenttyp: Article (Journal)
Sprache:Deutsch
Veröffentlicht: 2020
In: Der Onkologe
Year: 2020, Jahrgang: 26, Heft: 1, Pages: 60-65
ISSN:1433-0415
DOI:10.1007/s00761-019-00679-4
Online-Zugang:Verlag, lizenzpflichtig, Volltext: https://doi.org/10.1007/s00761-019-00679-4
Verlag, lizenzpflichtig, Volltext: https://link.springer.com/article/10.1007/s00761-019-00679-4
Volltext
Verfasserangaben:Jens Kleesiek, Jacob M. Murray, Georgios Kaissis, Rickmer Braren
Beschreibung
Zusammenfassung:Maschinelles Lernen (ML) hält gegenwärtig Einzug in vielen Bereichen der Gesellschaft, so auch in der Medizin. Diese Transformation birgt das Potenzial, das Berufsbild und den Berufsalltag drastisch zu verändern, auch wenn diese Neuerungen bis jetzt nur vereinzelt die klinische Praxis beeinflussen und mit Risiken verbunden sein können. In den Stadien und 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 als Menschen in der Tumoridentifikation, ihrer Klassifikation sowie beim Erstellen von Prognosen und der Evaluation von Therapien. Zudem können Algorithmen - z. B. künstliche neuronale Netze (KNN), welche für viele der gegenwärtigen Errungenschaften im ML-Feld verantwortlich sind - dies reproduzierbar, schnell und kostengünstig erbringen.
Beschreibung:"Online publiziert: 20. November 2019".- S. 60
Gesehen am 19.09.2024
Beschreibung:Online Resource
ISSN:1433-0415
DOI:10.1007/s00761-019-00679-4

Ähnliche Einträge