Application of a validated prostate MRI deep learning system to independent same-vendor multi-institutional data: demonstration of transferability

To evaluate a fully automatic deep learning system to detect and segment clinically significant prostate cancer (csPCa) on same-vendor prostate MRI from two different institutions not contributing to training of the system.

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Netzer, Nils (Verfasst von) , Eith, Carolin (Verfasst von) , Bethge, Oliver (Verfasst von) , Hielscher, Thomas (Verfasst von) , Schwab, Constantin (Verfasst von) , Stenzinger, Albrecht (Verfasst von) , Gnirs, Regula (Verfasst von) , Schlemmer, Heinz-Peter (Verfasst von) , Maier-Hein, Klaus H. (Verfasst von) , Schimmöller, Lars (Verfasst von) , Bonekamp, David (Verfasst von)
Dokumenttyp:	Article (Journal)
Sprache:	Englisch
Veröffentlicht:	28 July 2023
In:	European radiology Year: 2023, Jahrgang: 33, Heft: 11, Pages: 7463-7476
ISSN:	1432-1084
DOI:	10.1007/s00330-023-09882-9
Online-Zugang:	Resolving-System, kostenfrei, Volltext: https://doi.org/10.1007/s00330-023-09882-9 Verlag, kostenfrei, Volltext: https://link.springer.com/article/10.1007/s00330-023-09882-9
Verfasserangaben:	Nils Netzer, Carolin Eith, Oliver Bethge, Thomas Hielscher, Constantin Schwab, Albrecht Stenzinger, Regula Gnirs, Heinz-Peter Schlemmer, Klaus H. Maier-Hein, Lars Schimmöller, David Bonekamp

Beschreibung
Zusammenfassung:	To evaluate a fully automatic deep learning system to detect and segment clinically significant prostate cancer (csPCa) on same-vendor prostate MRI from two different institutions not contributing to training of the system.
Beschreibung:	Gesehen am 20.05.2025
Beschreibung:	Online Resource
ISSN:	1432-1084
DOI:	10.1007/s00330-023-09882-9