Angaben zur Quelle [Bearbeiten]
| Autor | T. Loch, I. Leuschner, C. Genberg, K. Weichen-Jacobsen, F. Küppers, M. Retz, J. Lehmann, E. Yfantis, M. Evans, V. Tsarev, M. Stöckle |
| Titel | Weiterentwicklung des transrektalen Ultraschalls |
| Zeitschrift | Urologe |
| Verlag | Springer |
| Ausgabe | 39 |
| Jahr | 2000 |
| Seiten | 341-347 |
| URL | http://link.springer.com/article/10.1007%2Fs001200050367 |
Literaturverz. |
ja |
| Fußnoten | ja |
| Fragmente | 1 |
| [1.] Alm/Fragment 027 14 - Diskussion Zuletzt bearbeitet: 2014-08-24 13:40:34 Schumann | Alm, BauernOpfer, Fragment, Gesichtet, Loch et al 2000, SMWFragment, Schutzlevel sysop |
|
|
|
| Untersuchte Arbeit: Seite: 27, Zeilen: 14-21 |
Quelle: Loch et al 2000 Seite(n): 341, Zeilen: 1. Spalte: 30ff |
|---|---|
| Um die diagnostischen Möglichkeiten des transrektalen Ultraschalls ( TRUS ) in der Prostatakarzinom-Früherkennung und –Stadieneinteilung zu erhöhen, wurde eine Artifizielle Neuronale Netzwerkanalyse ( ANNA ) von T.Loch et al 2000 eingesetzt [Loch 2000], die zusätzliche subvisuelle , graustufendifferente Informationen des TRUS erfassen und auswerten kann. Dieser Ansatz erscheint vielversprechend, da Artifizielle Neuronale Netzwerke die im Ultraschallbild vorhandenen komplexen Datenformationen erkennen können, sie gleichsam „lernen“ und diese dann bei noch nicht gesehenen Datenformationen wiedererkennen und korrekt klassifizieren können.
Loch T, Leuschner I, Genberg C, Weichert-Jacobsen K, Küppers F, Retz M, Lehmann J, Yfantis E, Evans M, Tsarev v; Stöckle M: Weiterentwicklung des transrektalen Ultraschalls; Artifizielle neuronale Netzwerkanalyse (ANNA) in der Erkennung und Stadieneinteilung des Prostatakarzinoms. Der Urologe[A]4 2000 39: 341-347. |
Um die diagnostischen Möglichkeiten des transrektalen Ultraschalls (TRUS) in der Prostatakarzinom-Früherkennung und -Stadieneinteilung zu erhöhen, wird in der hier vorgestellten Studie eine Artifizielle Neuronale Netzwerkanalyse (ANNA) eingesetzt, die zusätzliche subvisuelle, graustufendifferente Informationen des TRUS erfassen und auswerten kann [12-14]. Dieser Ansatz erscheint vielversprechend, da Artifizielle Neuronale Netzwerke die im Ultraschallbild vorhandenen komplexen Datenformationen erkennen können, sie gleichsam „lernen" und diese dann bei noch nicht gesehenen Datenformationen wiedererkennen und korrekt klassifizieren können [15].
12. Loch T,Gouge J, Bertermann H (1987) Rechnergestützte ReaItime-Farbsonographie zur objektiven Bildanalyse.Ultraschall Klin Prax 2:242-244 13. Loch T, Gettys T, Cochran JS, Fulgham PF, Bertermann H (1990) Computer-aided image- analysis in transrectal ultrasound ofthe prostate.World J Urol 8:150-153 14. Loch T, Leuschner I, Genberg C, Weichert- Jacobsen K, Küppers F,YfantisY,EvansM,Tsarev V,Stückle M (1999) Artificial neural network analysis (ANNA) of prostatic transrectal ultrasound. Prostate 39:198-204 15. Snow PB,Smith DS,Catalona WJ (1994) Artificial neural networks in the diagnosis and prognosis of prostate ca ncer: A pilot study. J Urol 152:1923-1926 |
Die Quelle ist genannt, es ist aber nicht klar, dass aus ihr Text übernommen wurde. Im Gegenteil, der Satz beginnend mit "Dieser Ansatz erscheint vielversprechend" erweckt beim Leser den Eindruck, als handele es sich hier um eine Einschätzung des Autors. |
|