Radiomics und Machine Learning zur Erkennung von Myokardinfarkten in Leichenaufnahmen
Von KI ausgewählt und zusammengefasst
Worum es geht
Retrospektive Studie zur Erkennung von autopsiebefundierten Myokardinfarkten mittels radiomic-Features aus postmortem-CT und Machine Learning.
Ergebnis
Logistische Regression mit bester Performance: AUC 0,817 ± 0,12; Genauigkeit 0,746 ± 0,05; Sensitivität 0,764 ± 0,14; Spezifität 0,724 ± 0,13. Support Vector Machines und Random Forest zeigten vergleichbare AUC (0,814 ± 0,10 und 0,814 ± 0,08).
Übertragbarkeit auf Deutschland
Deutsche Studie (Bonn), Machbarkeitsbefund, aber forensisches Setting, klinische Anwendbarkeit begrenzt.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.