
neuroRAD 2019 – Interview mit Kongresspräsident Claus Zimmer
Kongresspräsident Professor Dr. med. Claus Zimmer (Klinikum rechts der Isar der TU München) zum Stand der Künstlichen Intelligenz in der Neuroradiologie
Kongresspräsident Professor Dr. med. Claus Zimmer (Klinikum rechts der Isar der TU München) zum Stand der Künstlichen Intelligenz in der Neuroradiologie
Synthetische Double-Inversion-Recovery-Sequenzen sind in der Detektion von Marklagerläsionen konventionell akquirierten DIR nicht unterlegen.
Eine am Uniklinikum Düsseldorf entwickelte Software erlaubt das automatisierte Kartieren regionaler Abweichungen des Hirnvolumens.
Ein Signalanstieg in Augenkammer oder Glaskörper nach GBCA-Gabe könnte als Biomarker für transitorische ischämische Attacken (TIA) fungieren.
Die automatische Segmentierung von Meningeomen mittels Deep-Learning und die manuelle Segmentierung sind in Punkto Genauigkeit vergleichbar. Ein solcher Ansatz könnte die RadiologInnen bei dieser Tätigkeit spürbar entlasten.
Intrakranielle Metastasen eines malignen Melanoms lassen sich mittels Deep Learning mit hoher Genauigkeit automatisch erkennen.
Für die Hirnvolumetrie gibt es bereits einen ganzen Werkzeugkasten an Software-Unterstützung.
Monotone Arbeiten in der Radiologie darf gerne die Künstliche Intelligenz übernehmen, wenn es nach den Teilnehmern einer Podiumsdiskussion beim neuroRAD 2019 geht.
Der Mensch hat einen großen und gut vernetzten Neokortex und ist deshalb schlau, Tauben und andere Tiere ohne Kortex sind dumm. Diese lang gehegte Annahme der Hirnforschung ist falsch. Die Gründe erklärte der Bochumer Biopsychologe Onur Güntürkün in seiner Key Note Speech.
Welche Patienten mit klinisch isoliertem Syndrom (CIS) eine manifeste Multiple Sklerose (MS) entwickeln, lässt sich nur schwer prognostizieren. Ein neuer Ansatz, der auf der Analyse der Form potenzieller MS-Läsionen basiert, bietet Ansatzpunkte.