CareLit Fachartikel

Performance of AI Approaches for COVID-19 Diagnosis Using Chest CT Scans: The Impact of Architecture and Dataset

Astha Jaiswal, Philipp Fervers, Fanyang Meng, Huimao Zhang, Dorottya Móré, Athanasios Giannakis, Jasmin Wailzer, Andreas Michael Bucher, David Maintz, Jonathan Kottlors, Rahil Shahzad, Thorsten Persigehl · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2026 · Heft 02 · S. 185-198

Dokument
963981
CareLit-ID
Jahr
2026
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
Astha Jaiswal, Philipp Fervers, Fanyang Meng, Huimao Zhang, Dorottya Móré, Athanasios Giannakis, Jasmin Wailzer, Andreas Michael Bucher, David Maintz, Jonathan Kottlors, Rahil Shahzad, Thorsten Persigehl
Ausgabe
Heft 02 / 2026
Jahrgang 198
Seiten
185-198
Erschienen: 2026-02-01 00:00:00
ISSN
1438-9029

Zusammenfassung

Zusammenfassung Ziel Aktuell existieren verschiedenste Künstliche Intelligenz (KI)-Modelle zur Detektion und Klassifikation von Pneumonien in Thorax-CTs, aber unabhängige Vergleiche fehlen meist. In dieser Studie haben wir (1) drei verschiedene KI-Modelle zur Klassifizierung von COVID-19- und Nicht-COVID-19-Pneumonien (nCP) anhand eines klinisch relevanten CT-Datensatzes trainiert, (2) die Leistung der Modelle anhand eines unabhängigen Testsatzes bewertet und (3) die Modelle sowohl algorithmisch als auch experimentell verglichen. Materialien und Methoden In dieser multizentrischen, retrospektiven Studie haben wi…

Schlagworte

Artificial Intelligence Pandemic Preparedness CT Scan RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Ver…