Informationstechnologie und Künstliche Intelligenz in der Radiologie
Anton S. Quinsten y Dominik Heße
Cite this publication as
Anton S. Quinsten, Dominik Heße, Informationstechnologie und Künstliche Intelligenz in der Radiologie (2022), Deutscher Ärzteverlag, Köln, ISBN: 9783769137811
Descripción / Abstract
Die Zukunft neu denken!
Künstliche Intelligenz hat längst auch Einzug in die Welt der Radiologie gehalten und stellt das radiologische Team vor neue Herausforderungen. Die große Stärke der KI liegt insbesondere in der schnellen, präzisen und qualitativ hochwertigen Verarbeitung und Auswertung großer Datenmengen. Dabei soll die KI den MTR assistieren und entlasten und als sinnvolle Kooperation zwischen Mensch und Maschine eingesetzt werden − in der kollektiven Intelligenz!
Die Autoren nehmen Sie als Leser mit auf eine Themenreise, die von Grundlagen der IT über Big Data bis hin zum Deep Learning führt. Spannende Experteninterviews mit renommierten KI-Spezialisten der Radiologie schlagen die Brücke zur Praxis. Zur Lernzielkontrolle schließt jedes Kapitel mit einem gezielten Fragenkatalog ab.
Bleiben Sie auf dem aktuellen Stand!
Künstliche Intelligenz hat längst auch Einzug in die Welt der Radiologie gehalten und stellt das radiologische Team vor neue Herausforderungen. Die große Stärke der KI liegt insbesondere in der schnellen, präzisen und qualitativ hochwertigen Verarbeitung und Auswertung großer Datenmengen. Dabei soll die KI den MTR assistieren und entlasten und als sinnvolle Kooperation zwischen Mensch und Maschine eingesetzt werden − in der kollektiven Intelligenz!
Die Autoren nehmen Sie als Leser mit auf eine Themenreise, die von Grundlagen der IT über Big Data bis hin zum Deep Learning führt. Spannende Experteninterviews mit renommierten KI-Spezialisten der Radiologie schlagen die Brücke zur Praxis. Zur Lernzielkontrolle schließt jedes Kapitel mit einem gezielten Fragenkatalog ab.
Bleiben Sie auf dem aktuellen Stand!
Índice
- Cover
- Titel
- Impressum
- Über das Buch
- Geleitwort von Prof. Christina Malamateniou
- Geleitwort von Prof. Felix Nensa
- Die Autoren
- Vorwort
- Abkürzungen
- Inhaltsverzeichnis
- 1 IT-Grundlagen
- 1.1 Digitalisierung: die Darstellung der analogen Welt in Nullen und Einsen
- 1.2 Zahlensysteme
- 1.3 Logikgatter
- 1.4 PC-Grundlagen
- Prüfen Sie Ihr Wissen zum Kapitel „IT-Grundlagen“
- 2 Betriebssysteme
- 2.1 Klassifizierung von Betriebssystemen
- 2.2 Thread, Multithreading und Hyperthreading (Begriffsklärung)
- 2.3 Cluster-, Multiprozessor- und Multicore-Systeme
- 2.4 Einblick: Cloud-Computing
- 2.5 Internet versus Intranet
- Prüfen Sie Ihr Wissen zum Kapitel „Betriebssysteme“
- 3 Netzwerkgrundlagen
- 3.1 Client-Server-Architektur
- 3.2 Netzwerkkommunikation: das OSI-Modell
- 3.3 Netzwerktechnik: Begriffserläuterungen
- Prüfen Sie Ihr Wissen zum Kapitel „Netzwerkgrundlagen“
- 4 Gefahren im Internet und Gegenmaßnahmen
- 4.1 Schad-Software
- 4.2 Gegenmaßnahmen
- 5 Datenschutz und Datensicherheit
- 5.1 Datenschutz
- 5.2 Datensicherheit
- Prüfen Sie Ihr Wissen zu den Kapiteln „Gefahren im Internet und Gegenmaßnahmen“ und „Datenschutz und Datensicherheit“
- 6 IT-Gesamtarchitektur im Krankenhaus
- 6.1 Krankenhausinformationssystem (KIS)
- 6.2 IT-Gesamtarchitektur in der Radiologie
- 6.3 MTR und die IT in der Radiologie
- Prüfen Sie Ihr Wissen zum Kapitel „IT-Gesamtarchitektur im Krankenhaus“
- 7 Interviews
- 7.1 Einleitung
- 7.2 Interview mit Tina Hartmann
- 7.3 Interview mit Prof. Dr. Adrian Krzizok
- 7.4 Interview mit Ayman El Masoudy
- 7.5 Interview mit Michael Wiertz
- 7.6 Interview mit Univ.-Prof. Dr. med. Michael Forsting
- 8 Big Data und Data Science
- 8.1 Big Data im Gesundheitswesen
- 8.2 Big Data in der Radiologie
- Prüfen Sie Ihr Wissen zum Kapitel „Big Data und Data Science“†‚
- 9 Künstliche Intelligenz
- 9.1 Definition
- 9.2 Geschichte
- 9.3 KI in der Medizin
- 9.4 KI in der Radiologie
- 9.5 KI und MTR
- 9.6 Entwicklung und Zulassung von KI-Systemen
- 9.7 Chancen und Risiken
- 9.8 Aus- und Weiterbildung
- 9.9 Regulierung von KI/Ethik
- Prüfen Sie Ihr Wissen zum Kapitel „Künstliche Intelligenz“
- 10 Machine Learning, Deep Learning und neuronale Netze
- 10.1 Maschinelles Lernen
- 10.2 Das Zielmaß
- 10.3 Overfitting
- 10.4 Validierung und Test
- 10.5 Neuronale Netze
- 10.6 Training
- 10.7 Convolutional Neural Networks
- 10.8 Deep Learning
- 10.9 Andere Arten des ML
- Prüfen Sie Ihr Wissen zum Kapitel „Machine Learning, Deep Learning und neuronale Netze“
- 11 How to do ML
- 11.1 Das generelle Vorgehen
- 11.2 Die Fragestellung
- 11.3 Vorgehensweise
- 11.4 Ethikvotum
- 11.5 Praktische Voraussetzungen
- 11.6 Daten
- 11.7 Annotierungen
- 11.8 Vorverarbeitung
- 11.9 Modellarchitektur
- 11.10 Training
- 11.11 Validierung
- 11.12 Ergebnisse
- 11.13 Deployment
- 11.14 Publikation
- Prüfen Sie Ihr Wissen zum Kapitel „How to do ML“
- 12 Produktentwicklung und Zulassung von KI-Lösungen in der medizinischen Bildgebung
- 12.1 Künstliche Intelligenz in der medizinischen Bildgebung – bereit für die klinische Routine?!
- 12.2 Ein Paradigmenwechsel – die Entwicklung KI-basierter Medizinprodukte
- 12.3 Ausblick
- 13 KI – ein Blick nach vorn
- 13.1 Wo lauern die Gefahren?
- 13.2 Von der Gegenwart in die Zukunft
- 13.3 Und wie geht es weiter?
- 13.4 Wenn wir in die Glaskugel schauen könnten
- 13.5 Und was ist mit den MTR?
- 13.6 Was wir heute schon wissen
- 13.7 Kurzum
- Verzeichnis der Abbildungen
- Literatur
- Lösungen Multiple-Choice-Fragen
- Danksagung
- Stichwortverzeichnis