DOI: 10.1055/s-00000045

Der Nuklearmediziner

Issue 02 · Volume 42 · June 2019 DOI: 10.1055/s-009-43571

Aktuell referiert

  • 87
  • 87
  • 88
  • 89
  • 90
  • 90
  • 92
  • 93
  • Editorial

  • 95
    Prasad, Vikas:

    Künstliche Intelligenz in der Bildgebung

    Artifical Intelligence in Medical Imaging
  • Big data

  • 97
    Demircioglu, Aydin; Koitka, Sven; Nensa, Felix:

    Big Imaging Data: Klinische Bildanalyse mit Radiomics und Deep Learning

    Big Imaging Data: Clinical Image Analysis with Radiomics and Deep Learning
  • 112
    Steinacker, Jochen:

    Entwicklungen in der Analyse von Tumorheterogenität in computertomografischen Aufnahmen

    Recent development of tumour heterogeneity analysis in computed tomography images
  • 133
    Eberhardt, Nina; Kneer, Katharina; Prasad, Vikas:

    Die Wichtigkeit des „Machine Learning“ und der Texturanalyse in der Onkologie anhand der Fusionsbildgebung

    Role of hybrid imaging in machine learning and texture analyses in oncology
  • 144
    Afshar-Oromieh, Ali; Rominger, Axel; Shi, Kuangyu:

    Künstliche Intelligenz zur Detektion, Quantifizierung und Charakterisierung des metastasierten Prostatakarzinoms in der PSMA-PET/CT – Wo stehen wir?

    Artificial intelligence for the detection, quantification and characterization of metastatic prostate cancer in PSMA PET/CT- where are we now?
  • 148
    Jiménez-Franco, Luis David; Kletting, Peter; Glatting, Gerhard:

    Möglichkeiten zur Verbesserung der Dosimetrie und Therapieplanung in der Molekularen Radiotherapie durch maschinelles Lernen

    Possibilities for improving dosimetry and therapy planning in molecular radiotherapy using machine learning
  • CME-Fortbildung

  • 118
    Buchert, Ralph; Krüger, Julia; Gessert, Nils; Lehnert, Wencke; Apostolova, Ivayla; Klutmann, Susanne; Schlaefer, Alexander:

    Deep Learning in der SPECT und PET des Gehirns

    Deep Learning in SPECT and PET of the brain
  • Kongresskalender

  • 157