Skip to main content
Erschienen in: Uro-News 4/2023

05.04.2023 | Magnetresonanztomografie | Zertifizierte Fortbildung

Künstliche Intelligenz in der Bildgebung

Möglichkeiten und Limitationen der Technik in der Radiologie

verfasst von: Dr. med. Martin Andreas Schneider

Erschienen in: Uro-News | Ausgabe 4/2023

zum CME-Kurs Einloggen, um Zugang zu erhalten

Auszug

Im Zeitalter der digitalen Revolution hält die Verwendung von künstlicher Intelligenz in rasantem Tempo Einzug in die unterschiedlichsten Bereiche des Lebens. Auch in der Medizin sind KI-basierte Programme nicht mehr wegzudenken. Insbesondere die radiologische Diagnostik profitiert schon heute von der neuen Technologie - doch neben den Chancen und Möglichkeiten muss man auch die Limitationen kennen. …
Literatur
2.
Zurück zum Zitat Nilsson JN. The Quest for Artificial Intelligence. A History of Ideas and Achievements. 2009; New York: Cambridge University Press Nilsson JN. The Quest for Artificial Intelligence. A History of Ideas and Achievements. 2009; New York: Cambridge University Press
3.
Zurück zum Zitat Langley P. The changing science of machine learning. In: Machine Learning. Band 82, Nr. 3; 2011; Berlin/Heidelberg: Springer Langley P. The changing science of machine learning. In: Machine Learning. Band 82, Nr. 3; 2011; Berlin/Heidelberg: Springer
4.
Zurück zum Zitat McCarthy et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, AI Magazine 1955;27:12 McCarthy et al. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, AI Magazine 1955;27:12
5.
Zurück zum Zitat Bonekamp D et al. Machine learning and multiparametric MRI for early diagnosis of prostate cancer. Urologe A 2021;60:576-91 Bonekamp D et al. Machine learning and multiparametric MRI for early diagnosis of prostate cancer. Urologe A 2021;60:576-91
6.
Zurück zum Zitat Schelb P et al. Classification of cancer at prostate MRI: deep learning versus clinical PI-RADS assessment. Radiology 2019;293:607-17 Schelb P et al. Classification of cancer at prostate MRI: deep learning versus clinical PI-RADS assessment. Radiology 2019;293:607-17
8.
Zurück zum Zitat Prayer F et al.: Künstliche Intelligenz in der Bildgebung der Lunge. Radiologe 2020;60,42-7 Prayer F et al.: Künstliche Intelligenz in der Bildgebung der Lunge. Radiologe 2020;60,42-7
9.
Zurück zum Zitat Ebner L et al. Lung nodule detection by microdose CT versus chest radiography (standard and dual-energy subtracted). AJR Am J Roentgenol 2015;204:727-35 Ebner L et al. Lung nodule detection by microdose CT versus chest radiography (standard and dual-energy subtracted). AJR Am J Roentgenol 2015;204:727-35
10.
Zurück zum Zitat Anthimopoulos M et al. Lung Pattern Classification for Interstitial Lung Diseases Using a Deep Convolutional Neural Network. IEEE Trans Med Imaging 2016;35:1207-16 Anthimopoulos M et al. Lung Pattern Classification for Interstitial Lung Diseases Using a Deep Convolutional Neural Network. IEEE Trans Med Imaging 2016;35:1207-16
11.
Zurück zum Zitat Mentzler HJ. Künstliche Intelligenz bei Bildauswertung und Diagnosefindung, Monatsschr Kinderheilkd. 2021;169:694-704 Mentzler HJ. Künstliche Intelligenz bei Bildauswertung und Diagnosefindung, Monatsschr Kinderheilkd. 2021;169:694-704
12.
Zurück zum Zitat Halabi SS et al. The RSNA pediatric bone age machine learning challenge. Radiology 2019;290:498-503 Halabi SS et al. The RSNA pediatric bone age machine learning challenge. Radiology 2019;290:498-503
13.
Zurück zum Zitat Hofmann-Aßmus M. Künstliche Intelligenz - Was kann sie bei Schlaganfall leisten?. InFo Neurologie 2022;24:59-61 Hofmann-Aßmus M. Künstliche Intelligenz - Was kann sie bei Schlaganfall leisten?. InFo Neurologie 2022;24:59-61
14.
Zurück zum Zitat Mokin M et al. ASPECTS (Alberta Stroke Program Early CT Score) Measurement Using Hounsfield Unit Values When Selecting Patients for Stroke Thrombectomy. Stroke 2017;48:1574-9 Mokin M et al. ASPECTS (Alberta Stroke Program Early CT Score) Measurement Using Hounsfield Unit Values When Selecting Patients for Stroke Thrombectomy. Stroke 2017;48:1574-9
15.
Zurück zum Zitat Mair G et al. External Validation of e-ASPECTS Software for Interpreting Brain CT in Stroke. Annals of Neurology 2022;92:943-57 Mair G et al. External Validation of e-ASPECTS Software for Interpreting Brain CT in Stroke. Annals of Neurology 2022;92:943-57
16.
Zurück zum Zitat Schlemmer HP et al. Bildgebung des Prostatakarzinoms. Deutsches Ärzteblatt International 2021;118:713-9 Schlemmer HP et al. Bildgebung des Prostatakarzinoms. Deutsches Ärzteblatt International 2021;118:713-9
17.
Zurück zum Zitat Hötker A et al. PI-RADS 2.1 und strukturierte Befundung der Magnetresonanztomographie der Prostata. Radiologe 2021;61:802-9 Hötker A et al. PI-RADS 2.1 und strukturierte Befundung der Magnetresonanztomographie der Prostata. Radiologe 2021;61:802-9
18.
Zurück zum Zitat DKFZ Prostatakrebs. Pressemitteilung: Künstliche Intelligenz erkennt verdächtige Bereiche in der Prostata-MRT ähnlich gut wie Radiologen Nr. 45; 9.10.2019 DKFZ Prostatakrebs. Pressemitteilung: Künstliche Intelligenz erkennt verdächtige Bereiche in der Prostata-MRT ähnlich gut wie Radiologen Nr. 45; 9.10.2019
21.
Zurück zum Zitat Labus S et al. A concurrent, deep learning-based computer-aided detection system for prostate multiparametric MRI: a performance study involving experienced and less-experienced radiologists. Eur Radiol 2023;33:64-76 Labus S et al. A concurrent, deep learning-based computer-aided detection system for prostate multiparametric MRI: a performance study involving experienced and less-experienced radiologists. Eur Radiol 2023;33:64-76
22.
Zurück zum Zitat Siemens Healthineers. Pressemitteilung: AI-Pathway Companion Prostatakrebs von Siemens Healthineers als Medizinprodukt in Europa zugelassen. 3.3.2020 Siemens Healthineers. Pressemitteilung: AI-Pathway Companion Prostatakrebs von Siemens Healthineers als Medizinprodukt in Europa zugelassen. 3.3.2020
23.
Zurück zum Zitat Johnson PM et al. Improving the speed of MRI with artificial intelligence. Semin Musculoskelet Radiol 2020;24:12-20 Johnson PM et al. Improving the speed of MRI with artificial intelligence. Semin Musculoskelet Radiol 2020;24:12-20
24.
Zurück zum Zitat Winkel DJ et al. Evaluation of an ai-based detection software for acute findings in abdominal computed tomography scans: toward an automated work list prioritization of routine CT examinations. Invest Radiol 2019;54:55 Winkel DJ et al. Evaluation of an ai-based detection software for acute findings in abdominal computed tomography scans: toward an automated work list prioritization of routine CT examinations. Invest Radiol 2019;54:55
25.
Zurück zum Zitat Moore MM et al. Machine learning concepts, concerns and opportunitites for a pediatric radiologist. Pediatr Radiol 2019;49:509-16 Moore MM et al. Machine learning concepts, concerns and opportunitites for a pediatric radiologist. Pediatr Radiol 2019;49:509-16
26.
Zurück zum Zitat Canadian Association of Radiologists (CAR) Artificial Intelligence Working Group (2019) Canadian association of radiologists white paper on ethical and legal issues related to artificial intelligence in radiology. Can Assoc Radiol J 2019;70:107-18 Canadian Association of Radiologists (CAR) Artificial Intelligence Working Group (2019) Canadian association of radiologists white paper on ethical and legal issues related to artificial intelligence in radiology. Can Assoc Radiol J 2019;70:107-18
27.
Zurück zum Zitat van Hoek J et al. A survey on the future of radiology among radiologists, medical students and surgeons: students and surgeons tend to be more skeptical about artificial intelligence and radiologists may fear that other disciplines take over. Eur J Radiol 2019;121:108742 van Hoek J et al. A survey on the future of radiology among radiologists, medical students and surgeons: students and surgeons tend to be more skeptical about artificial intelligence and radiologists may fear that other disciplines take over. Eur J Radiol 2019;121:108742
28.
Zurück zum Zitat Forsting M. Hat der Radiologe eine Zukunft? Vortrag Deutscher Röntgenkongress 2017 Forsting M. Hat der Radiologe eine Zukunft? Vortrag Deutscher Röntgenkongress 2017
29.
Zurück zum Zitat Jungmann F et al. Attitudes toward artificial intelligence among radiologists, IT specialists, and industry. Acad Radiol 2021;28:834-40 Jungmann F et al. Attitudes toward artificial intelligence among radiologists, IT specialists, and industry. Acad Radiol 2021;28:834-40
Metadaten
Titel
Künstliche Intelligenz in der Bildgebung
Möglichkeiten und Limitationen der Technik in der Radiologie
verfasst von
Dr. med. Martin Andreas Schneider
Publikationsdatum
05.04.2023
Verlag
Springer Medizin
Erschienen in
Uro-News / Ausgabe 4/2023
Print ISSN: 1432-9026
Elektronische ISSN: 2196-5676
DOI
https://doi.org/10.1007/s00092-023-5663-5

Weitere Artikel der Ausgabe 4/2023

Uro-News 4/2023 Zur Ausgabe

Passend zum Thema

DKK 2024
21. - 24. Februar 2024 | Berlin

Kongressdossier zum Deutschen Krebskongress 2024

Auf dieser Seite werden wir Sie mit tagesaktuellen Berichten vom Deutschen Krebskongress auf dem Laufenden halten. Vor dem Start des Kongresses finden Sie hier zudem Ausblicke auf spannende Themen. Expertinnen und Experten erzählen, auf welche DKK-Sessions sie sich besonders freuen.

In Kooperation mit:
Deutsche Krebsgesellschaft e. V. und Stiftung Deutsche Krebshilfe