Tumorerkennung per Deep Learning: Fortschritte bei der automatisierten Bildanalyse
Deep-Learning-Algorithmen, wie sie vom KIT-Team beim internationalen autoPET-Wettbewerb entwickelt wurden, ermöglichen eine präzisere und effizientere Analyse von PET/CT-Bilddaten, stellen jedoch noch Herausforderungen im klinischen Einsatz dar.
- IT
- Medizin
Künstliche Intelligenz revolutioniert die medizinische Bildanalyse: Beim internationalen autoPET-Wettbewerb belegte ein Forscherteam des Karlsruher Instituts für Technologie (KIT) den fünften Platz mit einem Algorithmus, der Tumorläsionen in PET/CT-Bildern präzise erkennen kann. Deep-Learning-Ansätze bieten die Möglichkeit, den aufwendigen manuellen Arbeitsaufwand der Ärzteschaft bei der Tumorerkennung zu minimieren und die Genauigkeit zu erhöhen. Durch die Kombination von PET, das Stoffwechselaktivitäten sichtbar macht, und CT zur anatomischen Darstellung können diese Algorithmen die Therapieplanung bei Krebspatienten verbessern. Die besten Wettbewerbsbeiträge nutzten ein Ensembleansatz, der durch die Analyse großer Datensätze herausragende Ergebnisse lieferte. Trotz der Erfolge betonen die Forscher die Notwendigkeit weiterer Entwicklungen, um die Algorithmen für den klinischen Alltag robust und effizient zu machen…
healthcare-in-europe.com
Gebündelt, stets aktuell und immer handverlesen werden alle Neuigkeiten gesammelt und anwenderbezogen aufbereitet.
