Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

Einfach buchen

Buchen Sie jetzt RÖKO DIGITAL des 105. Deutscher Röntgenkongress und 10. Gemeinsamer Kongress von DRG und ÖRG und verpassen Sie keines unserer lehrreichen und informativen Webinare zu verschiedenen Themen der Radiologie.

  • Wissenschaft & Fortbildung
  • CME-Punkte
  • Themenvielfalt
  • Dialog & Interaktion

Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

Ohne Buchung.

Sie können an dieser Veranstaltung auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG gebucht haben oder noch nachbuchen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an dieser Veranstaltungen auch ohne Buchung von RÖKO DITITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen. Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Das ist eine Meldung

Stet clita kasd gubergren, no sea takimata sanctus est. Ut labore et dolore aliquyam erat, sed diam voluptua.

RK/WISS 203

Pädiatrische Radiologie IV - KI und mehr in der Kinderradiologie

Pädiatrische Radiologie IV - KI und mehr in der Kinderradiologie
Donnerstag, 9. Mai 2024 · 14:00 bis 15:30 Uhr
9
Mai

Donnerstag, 9. Mai 2024

14:00 bis 15:30 Uhr · Raum: Forum 1.3  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Refresher-Kurs mit WISS
Thema
Pädiatrische Radiologie
Zielgruppe
Ärzte in Weiterbildung (AiW), Fachärzte, Ingenieure / Naturwiss., MTR

Zertifizierungen

Der RÖKO WIESBADEN wird im Rahmen einer Kongresszertifizierung durch die LÄK Hessen bewertet. Bitte beachten Sie die Hinweise unter A bis Z.

Informationen

Moderation
Marc Steinborn (München)
Janina Patsch (Wien)

Ablauf

14:00 - 14:20

Vortrag (Fortbildung)

Dosiseinsparung durch KI im CT- ändert sich das Indikationsspektrum?

Sebastian Tschauner (Graz)

14:20 - 14:40

Vortrag (Fortbildung)

Beschleunigung des MRT durch KI - wer soll das befunden?

Sebastian Gassenmaier (Tübingen)

14:40 - 15:00

Vortrag (Fortbildung)

Künstliche Intelligenz in der Frakturdetektion bei Kindern

Irmhild Altmann-Schneider (Zürich)

15:00 - 15:05

Vortrag (Wissenschaft)

Deep Learning zur präzisen pädiatrischen Altersschätzung anhand von Orthopantomogrammen

Andreas Heinrich (Jena)

weitere Autoren

Rahel Koch (Jena)

Zielsetzung

Pädiatrische Altersschätzung ist in Bereichen wie Adoption, Immigration und Forensik von großer Bedeutung. Die manuelle Altersschätzung anhand von Orthopantomogrammen (OPGs) ist zeitaufwändig und subjektiv, wohingegen moderne künstliche neuronale Netzwerke (KNN) diesen Prozess optimieren können. Bisherige KNN-Studien verwendeten häufig eine begrenzte Anzahl von OPGs in ausschließlich guter Qualität. Das Ziel war die Entwicklung eines leistungsstarken KNN zur pädiatrischen Altersschätzung auf Basis einer umfassenden OPG-Vielfalt.

Material und Methoden

Die Studie verwendete 21.814 OPGs von 13.766 Personen im Alter von 1 bis 25 Jahren, mit einer Geschlechterverteilung von 52% männlich, 45% weiblich und 3% unbekannt. Ein individuelles KNN wurde zur Schätzung des Alters entwickelt und anhand von 16.000 OPGs trainiert, bzw. mit 4.000 OPGs validiert. Um die Genauigkeit des KNNs zu steigern, erfolgte die Angabe des Alters in Tagen. Die Leistung des Modells wurde anhand eines weiteren, unabhängigen Datensatzes von 1.814 OPGs evaluiert.

Ergebnisse

Die durchschnittliche absolute Abweichung der Altersschätzung vom tatsächlichen Alter betrug insgesamt 1,04 ± 0,87 Jahre (Median 0,83 Jahre) und zeigte eine leichte Zunahme mit steigendem Alter: 0,70 ± 0,59 Jahre (<10 Jahre), 0,77 ± 0,73 Jahre (10-14 Jahre), 0,98 ± 0,91 Jahre (14-18 Jahre), 1,18 ± 0,89 Jahre (18-22 Jahre) und 1,22 ± 0,91 Jahre (22-25 Jahre). Bei 32% der Fälle lag die Abweichung unter 6 Monaten und bei 59% unter einem Jahr. Bei 87% lag sie unter zwei Jahren, bei 97% unter drei Jahren und bei 99% unter vier Jahren. Die Genauigkeit war unabhängig vom Geschlecht (p-Wert 0,34).

Schlussfolgerungen

Die Anwendung von Deep Learning zur Schätzung des chronologischen Alters anhand pädiatrischer OPGs bietet eine hohe Genauigkeit und Zuverlässigkeit, was die Effizienz und Objektivität in verschiedenen Anwendungsgebieten erheblich steigern kann. Dieses KNN-Modell profitiert maßgeblich von der umfangreichen Datenvielfalt und performt zuverlässig bei einer breiten Palette von OPGs.
15:10 - 15:15

Vortrag (Wissenschaft)

KI-basierte Nachverarbeitung der kontrastverstärkten pädiatrischen Thorax-Computertomographie: Einfluss auf Bildqualität und Diagnosesicherheit.

Marianna Chaika (Tübingen)

weitere Autoren

Andreas Brendlin (Tübingen) / David Plajer (Tübingen) / Jürgen Schäfer (Tübingen) / Ilias Tsiflikas (Tübingen)

Zielsetzung

In dieser Studie wurde der Einfluss eines KI-Nachbearbeitungsalgorithmus zur Entrauschung in der kontrastverstärkten pädiatrischen Thorax-CT hinsichtlich der Gesamtbildqualität, der Diagnosesicherheit, der Organschärfe und des Bildkontrasts untersucht.

Material und Methoden

In diese retrospektive Single-Center-Studie wurden Untersuchungen von Januar 2015 bis März 2022 eingeschlossen. Zwei Radiologen nahmen verblindet eine subjektive Bewertung der Bildqualität, der Bildschärfe, des Kontrasts und der fallbezogenen diagnostischen Sicherheit vor. Die statistische Analyse erfolgte anhand eines paarweisen Post-hoc-Tests. Darüber hinaus wurde der Einfluss des Befunders und des Rekonstruktionsmodus auf die subjektiven Beurteilungselemente mittels multilinearer Regression bewertet.

Ergebnisse

Insgesamt wurden 100 Patienten (Durchschnittsalter 6,3 ± 5,4 (SD) Jahre; 57 männlich) ausgewertet. Der paarweise Post-hoc Test ergab signifikante Verbesserungen der subjektiven Bildqualität und der diagnostischen Sicherheit der entrauschten gegenüber der ursprünglichen Datensätze (p<0,001). Es fand sich kein signifikanter Unterschied in der Bildschärfe (p=0,060). Der Kontrast wurde in den entrauschten Datensätzen signifikant schlechter bewertet (p<0,001). In der Regressionsanalyse verbesserte der Rekonstruktionsmodus signifikant die Bildqualität, die Diagnosesicherheit und die Bildschärfe (B >= 0,212; p<0,001) und verringerte signifikant den Kontrast (B=-0,616; p<0,001). Es gab jedoch keine signifikanten Unterschiede zwischen den Bewertungen beider Befunder (B = 0,00; p>0,999).

Schlussfolgerungen

Der untersuchte KI-basierte Nachverarbeitungsalgorithmus verbessert die Bildqualität und die Diagnosesicherheit in der kontrastverstärkten pädiatrischen Thorax-CT signifikant, ohne die Organschärfe zu beeinträchtigen. Allerdings führt er zu einem signifikanten Kontrastabfall im Vergleich zu den Originalbildern. Diese Methode könnte demnach wesentlich in der Zukunft zur Dosisreduktion in der pädiatrischen Thorax-CT beitragen.
15:15 - 15:30

Diskussion

Diskussion

Runlog

Öffnen