Das Universitätsspital Zürich (USZ) hat in einer Studie das Potenzial des maschinellen Lernens zur genauen Klassifizierung der Dichte des Parenchyms beim Einsatz von Brust-CT untersucht. Dabei kam ein deep Convolutional Neural Network (dCNN) zum Einsatz.
Die Ergebnisse sind bahnbrechend: Durch deep Learning kann die Brustdichte bei einer Brust-CT-Untersuchung exakt und zuverlässig klassifiziert werden und ermöglicht damit eine standardisierte Entscheidung, eine Optimierung des klinischen Arbeitsablaufs und somit eine Verbesserung des klinischen Einsatzes.
Lesen Sie den vollständigen Artikel: Diagnostik 2022, 12(1), 181