CareLit · DOI-Nachweis · Zeitschrift für Orthopädie und Unfallchirurgie
Deep Learning in the Detection of Rare Fractures – Development of a “Deep Learning Convolutional Network” Model for Detecting Acetabular Fractures
DOI 10.1055/a-1511-8595
Bibliografische Angaben
Nachweis in CareLit
Autor:innenFelix Erne, Daniel Dehncke, Steven C. Herath, Fabian Springer, Nico Pfeifer, Ralf Eggeling, Markus Alexander Küper
ZeitschriftZeitschrift für Orthopädie und Unfallchirurgie
Ausgabe01/2023
Jahrgang / SeitenJg. 161 · S. 42-50
Kernaussage aus der Literatur
Abstract-Vorschau
Zusammenfassung Hintergrund Die automatische Frakturerkennung mithilfe von künstlicher Intelligenz (KI) ist derzeit ein wichtiges Thema in der unfallchirurgischen und radiologischen Forschung. Vor allem bei der Nutzung von „Deep Convolutional Neural Networks“ (DCNN) ist allerdings üblicherweise eine große Anzahl an Trainingsdatensätzen erforderlich, um gute Erkennungsraten zu erzielen, weswegen diese Methoden bisher…
Zitieren
Zitierempfehlung
Felix Erne, Daniel Dehncke, Steven C. Herath, Fabian Springer, Nico Pfeifer, Ralf Eggeling, Markus Alexander Küper (2023) Deep Learning in the Detection of Rare Fractures – Development of a “Deep Learning Convolutional Network” Model for Detecting Acetabular Fractures. Zeitschrift für Orthopädie und Unfallchirurgie, 161 (01), 42-50. https://doi.org/10.1055/a-1511-8595
Mit CareLit weiterarbeiten