Mehr erfahren zu: "Felix Burda Award 2025: Forschende für KI-Projekt zur Darmkrebsprognose ausgezeichnet" Felix Burda Award 2025: Forschende für KI-Projekt zur Darmkrebsprognose ausgezeichnet Genauere Diagnosen, bessere Therapien: Mithilfe Künstlicher Intelligenz will ein Forschungsteam der TU Dresden die Chancen von Darmkrebspatienten entscheidend verbessern und hat dafür den diesjährigen Felix Burda Award erhalten.
Mehr erfahren zu: "Vorhersage von Genmutationen bei Lungenkrebs: Deep Learning mit histologischen Bildern ergibt leistungsfähiges DeepGEM-Modell" Weiterlesen nach Anmeldung Vorhersage von Genmutationen bei Lungenkrebs: Deep Learning mit histologischen Bildern ergibt leistungsfähiges DeepGEM-Modell Chinesische Wissenschaftler haben eine auf Künstlicher Intelligenz basierende Methode entwickelt, die bei Lungenkrebs eine genaue, zeitnahe und kostengünstige Vorhersage von Genmutationen und deren räumlicher Verteilung erlaubt.
Mehr erfahren zu: "Wie Künstliche Intelligenz die Hautkrebserkennung weiter verbessern kann" Wie Künstliche Intelligenz die Hautkrebserkennung weiter verbessern kann Eine frühzeitige Erkennung von Hautkrebs ist von entscheidender Bedeutung. Ein neues KI-Modell nutzt nun Transfer Learning und Test Time Augmentation zur Verbesserung der Diagnosen.
Mehr erfahren zu: "Visuelles System: KI-Methoden in der Hirnforschung" Visuelles System: KI-Methoden in der Hirnforschung Der Informatiker und Neurowissenschaftler Prof. Fabian Sinz von der Universität Göttingen erhält einen Consolidator Grant des Europäischen Forschungsrats (ERC) für sein Projekt zum Verständnis wie Bewegung die Verarbeitung visueller Reize […]
Mehr erfahren zu: "Rezidivrisiko beim Endometriumkarzinom mit multimodalem Deep Learning vorhersagen" Rezidivrisiko beim Endometriumkarzinom mit multimodalem Deep Learning vorhersagen Die Vorhersage von Fernmetastasen ist beim Endometriumkarzinom (EC) für eine personalisierte adjuvante Behandlung von entscheidender Bedeutung. Derzeit besteht der Goldstandard in der kombinierten Erstellung eines pathologischen und molekularen Profils, ist […]
Mehr erfahren zu: "Stethoskop ade? Neu entwickeltes Pflaster erkennt Asthma und COPD mithilfe von Deep Learning" Stethoskop ade? Neu entwickeltes Pflaster erkennt Asthma und COPD mithilfe von Deep Learning Digitale Stethoskope stellen zwar eine Verbesserung gegenüber herkömmlichen dar, dennoch bleiben Geräuschinterferenzen ein Problem. Ein mit Sensoren ausgestattetes Pflaster könnte beim Erkennen beispielsweise von Wheezing helfen.
Mehr erfahren zu: "KI-gesteuerte Klassifizierung einzelner Blutzellen: Neue Methode unterstützt Ärzte bei der Leukämiediagnostik" KI-gesteuerte Klassifizierung einzelner Blutzellen: Neue Methode unterstützt Ärzte bei der Leukämiediagnostik Erstmals zeigen Forschende des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare […]
Mehr erfahren zu: "KI-gesteuerte Klassifizierung einzelner Blutzellen: Neue Methode unterstützt Ärzte bei der Leukämiediagnostik" KI-gesteuerte Klassifizierung einzelner Blutzellen: Neue Methode unterstützt Ärzte bei der Leukämiediagnostik Erstmals zeigen Forschende des Helmholtz Zentrums München und des Klinikums der Ludwig-Maximilians-Universität München (LMU), dass Deep-Learning-Algorithmen bei der Klassifizierung von Blutproben von Patienten mit akuter myeloischer Leukämie (AML) eine vergleichbare […]
Mehr erfahren zu: "Leberdiagnostik: Radiologen entlasten mit Deep Learning" Leberdiagnostik: Radiologen entlasten mit Deep Learning Moderne Maschinenlernalgorithmen sollen Radiologen nicht ersetzen, sondern sie im Alltag unterstützen. Ein gelungenes Beispiel dafür ist ein von zwei jungen Radiologen entwickelter Deep Learning Algorithmus, der bei der Magnetresonanztomografie Untersuchung […]
Mehr erfahren zu: "Hilfe bei Lungenkrebs-Prognosen durch Deep-Learning-Modelle" Hilfe bei Lungenkrebs-Prognosen durch Deep-Learning-Modelle Ein Deep-Learning-Modell, das unter Verwendung serieller Bildgebungs-Scans von Tumoren bei Patienten mit nicht kleinzelligem Lungenkrebs (NSCLC) entwickelt wurde, prognostizierte die Behandlungsergebnisse und Überlebensraten besser als klinische Standardparameter.