Benutzer: Gast  Login
Originaltitel:
Evaluation der diagnostischen Genauigkeit von Machine Learning für die Detektion von Lungenrundherden in der Thoraxradiographie
Übersetzter Titel:
Evaluation of the diagnostic accuracy of machine learning for the detection of pulmonary nodules in chest radiography
Autor:
Amecke gen. Mönnighoff (geb. Lodde), Marie
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Medizin
Betreuer:
Pfeiffer, Daniela (Prof. Dr.)
Gutachter:
Pfeiffer, Daniela (Prof. Dr.); Kirschke, Jan Stefan (Prof. Dr.)
Sprache:
de
Fachgebiet:
MED Medizin
Stichworte:
Machine Learning Thoraxradiographie Lungenrundherd
Übersetzte Stichworte:
Machine Learning chest radiography pulmonary nodules
TU-Systematik:
MED 540
Kurzfassung:
Das Potenzial von Machine Learning Algorithmen zur Detektion von Lungenrundherden in Thoraxröntgenbildern wurde anhand einer Reader Studie ermittelt.Es wurden händisch segmentierte Datensätze erstellt und die Leistung auch auf das Vorliegen von Fremdmaterial untersucht.Es zeigte sich eine ähnliche Leistung zwischen Radiologen und Algorithmen innerhalb der Untersuchungen.Die Anzahl korrekt identifizierter Tumore könnte mittels Kombination aus menschlicher und rechnerischer Bewertung erhöht werden...     »
Übersetzte Kurzfassung:
The potential of machine learning algorithms for the detection of pulmonary nodules in chest radiographs was determined using a reader study. For training, manually segmented datasets were created and performance was also examined for the simultaneous presence of different foreign bodies. The study showed similar performance between radiologists and algorithms. The number of correctly identified tumors could be increased using a combination of human and computational assessments.
WWW:
https://mediatum.ub.tum.de/?id=1648080
Eingereicht am:
24.02.2022
Mündliche Prüfung:
14.07.2022
Dateigröße:
1328886 bytes
Seiten:
101
Volltext / DOI:
doi:10.14459/2023md1648080
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220714-1648080-1-9
Letzte Änderung:
29.08.2022
 BibTeX