Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Evaluation eines auf strukturierten Befunden trainierten Deep Learning-Algorithmus zur Klassifikation des Tumoransprechens in onkologischen Freitextbefunden
0
Zitationen
9
Autoren
2022
Jahr
Abstract
Zielsetzung Die strukturierte Befundung gilt als unverzichtbare Entwicklung in der Radiologie, da sie neben verbesserter interdisziplinärer Kommunikation enormes Potenzial für automatisierte Analysen bietet und damit auch das Training künstlicher Intelligenz (KI) vereinfachen kann. Ziel dieser Arbeit war es, die Vorteile des Data Minings von strukturierten Befunden (SB) zu nutzen, um ein auf Deep Learning basierendes Natural Language Processing (NLP)-Modell zu trainieren, das eine Klassifizierung des Tumoransprechens von Patienten in onkologischen Freitextbefunden (FTB) ermöglicht.
Ähnliche Arbeiten
New response evaluation criteria in solid tumours: Revised RECIST guideline (version 1.1)
2008 · 28.993 Zit.
TNM Classification of Malignant Tumours
1987 · 16.123 Zit.
A survey on deep learning in medical image analysis
2017 · 13.699 Zit.
Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening
2011 · 10.808 Zit.
The American Joint Committee on Cancer: the 7th Edition of the AJCC Cancer Staging Manual and the Future of TNM
2010 · 9.119 Zit.