Künstliche Intelligenz zur Computer-assistierten Diagnose in PSMA-PET/CT-Untersuchungen bei Prostatakarzinompatienten
Künstliche Intelligenz zur Computer-assistierten Diagnose in PSMA-PET/CT-Untersuchungen bei Prostatakarzinompatienten
dc.contributor.advisor | Bundschuh, Ralph A. | |
dc.contributor.author | Erle, Annette | |
dc.date.accessioned | 2023-03-02T08:46:27Z | |
dc.date.available | 2023-03-02T08:46:27Z | |
dc.date.issued | 02.03.2023 | |
dc.identifier.uri | https://hdl.handle.net/20.500.11811/10661 | |
dc.description.abstract | 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. | de |
dc.language.iso | eng | |
dc.language.iso | deu | |
dc.rights | In Copyright | |
dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | |
dc.subject | Machine Learning | |
dc.subject | Prostatakarzinom | |
dc.subject | Positronen-Emissions-Tomographie (PET) | |
dc.subject | Computer-Tomographie (CT) | |
dc.subject | Prostata-spezifisches-Membran-Antigen (PSMA) | |
dc.subject | prostate cancer (PC) | |
dc.subject | prostate specific membrane antigen (PSMA) | |
dc.subject | positron emission tomography (PET) | |
dc.subject | computed tomography (CT) | |
dc.subject | radiomics features (RFs) | |
dc.subject | machine learning (ML) | |
dc.subject.ddc | 610 Medizin, Gesundheit | |
dc.title | Künstliche Intelligenz zur Computer-assistierten Diagnose in PSMA-PET/CT-Untersuchungen bei Prostatakarzinompatienten | |
dc.type | Dissertation oder Habilitation | |
dc.publisher.name | Universitäts- und Landesbibliothek Bonn | |
dc.publisher.location | Bonn | |
dc.rights.accessRights | openAccess | |
dc.identifier.urn | https://nbn-resolving.org/urn:nbn:de:hbz:5-70049 | |
dc.relation.doi | https://doi.org/10.3390/tomography7030027 | |
ulbbn.pubtype | Erstveröffentlichung | |
ulbbnediss.affiliation.name | Rheinische Friedrich-Wilhelms-Universität Bonn | |
ulbbnediss.affiliation.location | Bonn | |
ulbbnediss.thesis.level | Dissertation | |
ulbbnediss.dissID | 7004 | |
ulbbnediss.date.accepted | 20.01.2023 | |
ulbbnediss.institute | Medizinische Fakultät / Kliniken : Klinik und Poliklinik für Nuklearmedizin | |
ulbbnediss.fakultaet | Medizinische Fakultät | |
dc.contributor.coReferee | Krawitz, Peter Michael |
Files in this item
This item appears in the following Collection(s)
-
E-Dissertationen (1579)