Muskuloskelettale Tumoren sind seltene und vielfältige Entitäten, die für Kliniker Herausforderungen bei der Früherkennung und präzisen Klassifizierung darstellen. Diese Dissertation entwickelt mithilfe retrospektiver klinischer und bildgebender Daten (1962-2021) maschinelles Lernen, um die Diagnose zu verbessern. Unter anderem wurden ein Röntgensortieralgorithmus (96,6% Genauigkeit) und ein multimodales Tumor-Klassifikationsmodell (92,86% Genauigkeit) entwickelt. Die Modelle übertreffen in Leistung, Robustheit und Erklärbarkeit aktuelle Modelle. Diese Innovationen verbessern die diagnostische Präzision und versprechen eine bessere Patientenversorgung bei der Diagnose von muskuloskelettale Tumoren.
«
Muskuloskelettale Tumoren sind seltene und vielfältige Entitäten, die für Kliniker Herausforderungen bei der Früherkennung und präzisen Klassifizierung darstellen. Diese Dissertation entwickelt mithilfe retrospektiver klinischer und bildgebender Daten (1962-2021) maschinelles Lernen, um die Diagnose zu verbessern. Unter anderem wurden ein Röntgensortieralgorithmus (96,6% Genauigkeit) und ein multimodales Tumor-Klassifikationsmodell (92,86% Genauigkeit) entwickelt. Die Modelle übertreffen in Leis...
»