Erle, Annette: Künstliche Intelligenz zur Computer-assistierten Diagnose in PSMA-PET/CT-Untersuchungen bei Prostatakarzinompatienten. - Bonn, 2023. - Dissertation, Rheinische Friedrich-Wilhelms-Universität Bonn.
Online-Ausgabe in bonndoc: https://nbn-resolving.org/urn:nbn:de:hbz:5-70049
@phdthesis{handle:20.500.11811/10661,
urn: https://nbn-resolving.org/urn:nbn:de:hbz:5-70049,
author = {{Annette Erle}},
title = {Künstliche Intelligenz zur Computer-assistierten Diagnose in PSMA-PET/CT-Untersuchungen bei Prostatakarzinompatienten},
school = {Rheinische Friedrich-Wilhelms-Universität Bonn},
year = 2023,
month = mar,

note = {Der Stellenwert von Machine Learning im Kontext der klinischen Patientenversorgung nimmt stetig zu. Diese Arbeit beschäftigt sich mit der Frage, inwieweit ein Algorithmus in der Lage ist, mithilfe von maschinellem Lernen die pathologische Aufnahme des Markierungsstoffes 68Ga-PSMA in der PET/CT zu erkennen. Die Studie untersucht und vergleicht dazu die Anwendung von drei Algorithmen basierend auf überwachtem maschinellem Lernen auf die PSMA-PET/CT-Daten von 72 Patienten mit Prostatakarzinom. Das Programm klassifiziert die sogenannten hotspots in die Kategorien „physiologisch“ und „pathologisch“. Als hotspot wird in der Nuklearmedizin eine Stelle mit deutlich erhöhter Radionuklidbelegung verstanden. Um die Treffsicherheit unseres Algorithmus anschließend zu validieren, testen wir die Genauigkeit der Klassifikation mit den PET/CT-Bildern einer unabhängigen Kohorte aus 15 weiteren Patienten.},
url = {https://hdl.handle.net/20.500.11811/10661}
}

Die folgenden Nutzungsbestimmungen sind mit dieser Ressource verbunden:

InCopyright