Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

Einfach buchen

Buchen Sie jetzt RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 - Kongress für medizinische Radiologie und bildgeführte Therapie und verpassen Sie keines unserer lehrreichen und informativen Webinare zu verschiedenen Themen der Radiologie.

  • Wissenschaft & Fortbildung
  • CME-Punkte
  • Themenvielfalt
  • Dialog & Interaktion

Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

Ohne Buchung.

Sie können an dieser Veranstaltung auch ohne Buchung von RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie gebucht haben oder noch nachbuchen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an dieser Veranstaltungen auch ohne Buchung von RÖKO DITITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen. Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Das ist eine Meldung

Stet clita kasd gubergren, no sea takimata sanctus est. Ut labore et dolore aliquyam erat, sed diam voluptua.

Refresher-Kurs mit WISS

Radiologie & IT - lITerarisches Quartett

Radiologie & IT - lITerarisches Quartett
Donnerstag, 29. Mai 2025 · 16:30 bis 18:00 Uhr
Diese Veranstaltung findet ausschließlich als Präsenzveranstaltung im Rhein-Main-Congress-Center in Wiesbaden statt. Diese Veranstaltung kann nicht über einen Stream sondern nur vor Ort besucht werden.
29
Mai

Donnerstag, 29. Mai 2025

16:30 bis 18:00 Uhr · Raum: Studio 1.2 A+B  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Refresher-Kurs mit WISS
Thema
IT/ Bildverarbeitung / Software
Zielgruppe
Andere, Ärzte in Weiterbildung (AiW), Fachärzte, Ingenieure / Naturwiss., Studenten

Zertifizierungen

Der RÖKO WIESBADEN wird im Rahmen einer Kongresszertifizierung durch die LÄK Hessen bewertet. Bitte beachten Sie die Hinweise unter A bis Z.

Informationen

Das ist eine Veranstaltung der AGIT - AG Informationstechnologie.

Die Referent:innen präsentieren jeweils die für sie wichtigsten Publikationen des letzten Jahres. Dabei sollen nicht nur radiologische Anwendungen sondern v. a. High Impact Publikationen aus interdisziplinären Journals vorgestellt und kritisch diskutiert werden. Abschließend werden die zwei besten wissenschaftlichen Vorträge mit IT Hintergrund vorgestellt.

Anwesenheiten

Moderation
Bianca Lassen-Schmidt (Bremen)
Robert Rischen (Münster)

Ablauf

16:30 - 16:40

Vortrag (Fortbildung)

Paper 1

Tobias Penzkofer (Berlin)

16:40 - 16:50

Vortrag (Fortbildung)

Paper 2

Horst Karl Hahn (Bremen)

16:50 - 17:00

Vortrag (Fortbildung)

Paper 3

Ulrike Attenberger (Bonn)

17:00 - 17:10

Vortrag (Fortbildung)

Paper 4

Viktoria Prantauer

17:10 - 17:35

Diskussion

Diskussion

17:35 - 17:40

Vortrag (Wissenschaft)

Synthese künstlicher Röntgenaufnahmen des Handgelenks mit einem generativen Diffusionsmodell

Lennart Berkel (Lübeck)

weitere Autoren

Malte Maria Sieren (Lübeck) / Jonas Ströder (Lübeck) / Franz Wegner (Lübeck) / Roman Klöckner (Lübeck) / Jörg Barkhausen (Lübeck) / Mattias Heinrich (Lübeck)

Zielsetzung

Die Verfügbarkeit großer, anonymisierter Datensätze ist für die Entwicklung von KI in der Medizin von entscheidender Bedeutung. Datenschutzbedenken schränken jedoch oft den Zugang zu realen Daten ein, was die Entwicklung moderner KI-Modelle erschwert. KI-generierte synthetische Datensätze könnten diese Lücke füllen und den Bedarf in der Radiologie für Trainings- und Forschungszwecke decken. Ziel dieser Studie war es daher, ein generatives Diffusionsmodell zu entwickeln, das in der Lage ist, hochqualitative, realitätsnahe Röntgenaufnahmen des Handgelenks zu erzeugen.

Material und Methoden

Das Diffusionsmodell wurde auf einem Datensatz von 10.247 konventionellen Röntgenaufnahmen des Handgelenks in anterior-posteriorer Projektion trainiert, mit dem Ziel, synthetische Bilder zu erstellen, die echten klinischen Aufnahmen möglichst nahekommen. Zur Bewertung der Modellleistung führten neun Befunder unterschiedlicher Qualifikation – darunter sieben Radiologen und zwei Experten für Medizinphysik – eine Klassifizierungsstudie durch. Jeder Befunder überprüfte in zehn Testdurchgängen jeweils 16 Bilder und entschied, ob diese „real“ oder „synthetisch“ waren. Jeder Bildsatz enthielt dabei in etwa gleiche Anteile an echten und synthetischen Bildern.

Ergebnisse

Die Erkennungsgenauigkeit der Befunder, echte von synthetischen Bildern zu unterscheiden, lag individuell zwischen 53,73 % und 73,75 %. Über alle Tests hinweg bewegte sich die Genauigkeit zwischen 25,25 % und 93,75 %. Die Analyse zeigte, dass erfahrene Radiologen durchgehend eine hohe Leistung bei der Bildunterscheidung erzielten, während die Genauigkeit bei weniger erfahrenen Teilnehmern stärker schwankte.

Schlussfolgerungen

Die Studie zeigt, dass generative Diffusionsmodelle in der Lage sind, synthetische Röntgenbilder zu erzeugen, die visuell kaum von echten Bildern zu unterscheiden sind. Diese Technologie bietet vielversprechende Perspektiven zur Schaffung anonymer Datensätze und könnte die Datenknappheit in der medizinischen KI-Entwicklung erheblich lindern.
17:40 - 17:45

Vortrag (Wissenschaft)

Bis(s) zum letzten Befund? - Eine systematische Untersuchung von Fatigue, diagnostischer Leistungsfähigkeit und KI-Assistenz im radiologischen Dienstalltag

Robert Siepmann (Aachen)

weitere Autoren

Mahta Khoobi (Aachen) / Christiane Kuhl (Aachen) / Daniel Truhn (Aachen) / Sven Nebelung (Aachen)

Zielsetzung

Im sich stetig verdichtenden radiologischen Arbeitsalltag untersucht diese Studie, ob und inwieweit KI-Assistenz der durch Fatigue bedingten Leistungsminderung von Radiologen entgegenwirkt.

Material und Methoden

In dieser prospektiven Studie befundeten vier Präsenz- bzw. Erstdienst-verrichtende Radiolog/innen jeweils unterschiedliche Sets von Röntgenthoraces (n=33, anteroposterior, Intensivstationen) in drei Sitzungen unter Nutzung einer strukturierten Befundungsvorlage mittags (i) und nachmittags (ii) vor sowie morgens nach (iii) dem Nachtdienst. Zusätzlich wurde nach dem Nachtdienst ein weiteres Set unter KI-Assistenz befundet (iv). Sets (i) und (ii) dienten der Untersuchung der Reproduzierbarkeit bzw. diagnostischen Performanz (Baseline), Sets (iii) und (iv) der Fatigue-bedingten Leistungsänderung bzw. deren Kompensation durch KI-Assistenz. Detaillierte Fragebögen dienten der Beurteilung der Nachtdienst-induzierten Fatigue und nachfolgenden Dichotomisierung. Die diagnostische Genauigkeit wurde durch Vergleich der strukturierten Befunde mit der Mehrheitsmeinung von erfahrenen Radiologen (n=6) als Cohen’s κ ermittelt.

Ergebnisse

Relevante Fatigue war bei drei von vier Radiolog/innen feststellbar. Die Baseline-Performanz war gut und exzellent reproduzierbar (κ[i und ii]=0.59±0.06; Δκ[i vs. ii]=0.02±0.01). Unter Fatigue nahm die diagnostische Genauigkeit ab (κ[iii]=0.52±0.09, Δκ[iii vs. i,ii]=-0.07±0.03), verbesserte sich jedoch durch KI-Assistenz über das Baseline-Niveau (κ[iv]=0.62±0.08, Δκ[iv vs. iii]=+0.10 ± 0.06).

Schlussfolgerungen

Diagnostische KI-basierte Befundungsassistenz kann Fatigue-bedingter Leistungsminderung in der Befundung von Röntgenthoraces entgegenwirken.
17:45 - 17:50

Vortrag (Wissenschaft)

Precision of automated cardiac chambers and great vessel volume segmentation in difficult cases using an open-source full body segmentation model

Lisa Sommerfeld

weitere Autoren

Matthias May (Erlangen) / Sebastian Arndt (Erlangen) / Joy Kleiss (Erlangen) / Jana Hutter (Erlangen) / Christoph Bert (Erlangen) / Kaan Türkan (Erlangen) / Leonard Stepansky (Erlangen)

Zielsetzung

To evaluate the precision of automated cardiac and great vessel segmentation using the ‘Total Segmentator’ (TS) by Wasserthal et al in patients with structural abnormalities.

Material und Methoden

The study involved 89 CT scans, including a control group of clinical routine cases and 13 balanced study groups representing various structural abnormalities. Imaging was retrospectively chosen from multiple CT scanners from the years 2012 to 2024, utilizing soft tissue kernel and intravenous contrast agents. Automated segmentation of six mediastinal structures (left and right atrium, left and right ventricle, aorta, pulmonary artery) was followed by manual corrections. Statistical analysis with the dice coefficient, surface dice, jaccard index and volume similarity index followed to assess structural distinctiveness dependent on pathology or age.

Ergebnisse

The model performed well (dice=0.9) on the clinical routine collective.
It did not perform significantly (p<0.05) inferior on patients with spine and chest wall deformities (dice=0.87), with hypertrophic cardiomyopathy (dice= 0.88), with aortic (dice=0.87), mitral (dice=0.88) and tricuspid valve replacements (dice=0.88). Patients with left ventricular assist devices were not segmented inferior in total (dice=0.87), but in the left atrium (surface dice=0.20) and the left ventricle (dice=0.69).
In children age 0 the TS wasn’t able to detect the cardiac chambers and the great vessels (dice=0.23). The precision increased with age. Only the great arteries were segmented significantly inferior in patients between 10 and 16 years (total dice=0.88, aorta surface dice=0.51, pulmonary surface dice=0.37).
In adults with congenital heart disease the algorithm performed inferior than on the clinical routine collective with a dice of 0.46 in patients with transposition of the great arteries, 0.38 in patients with a situs inversus and 0.53 in patients with Fontan circulation.

Schlussfolgerungen

The algorithm provides dependable automatic results for segmentation of the heart chambers and the great arteries in clinical routine patients, in patients with spine and chest wall deformities and in replaced heart valves. In patients with a LVAD only the segmentation of the right heart and the great arteries is robust. Patients aged 0 to 9 need to manual segmentation. Adolescents between 10 and 16 years of age had good automatic results of the heart chambers, but the great arteries were limited. In adults with congenital heart disease the algorithm does not perform adequate.
17:50 - 18:00

Preisverleihung

Diskussion & Ehrung "Beste IT-Abstracts"

Runlog

Öffnen