Radiographic Assessment of CVC Malpositioning: How can AI best support clinicians?

Lasse Hansen, Malte Sieren, Malte Hobe, Axel Saalbach, Heinrich Schulz, Jörg Barkhausen, Mattias P Heinrich

Originalsprache	Englisch
Titel	International Conference on Medical Imaging with Deep Learning
Erscheinungsdatum	01.07.2021
Publikationsstatus	Veröffentlicht - 01.07.2021

UN SDGs

Dieser Output leistet einen Beitrag zu folgendem(n) Ziel(en) für nachhaltige Entwicklung

SDG 3 – Gesundheit und Wohlergehen
SDG 4 – Qualitativ hochwertige Bildung
SDG 9 – Industrie, Innovation und Infrastruktur
SDG 11 – Nachhaltige Städte und Gemeinschaften
SDG 12 – Verantwortungsvoller Konsum und Produktion
SDG 14 – Lebensraum Wasser
SDG 15 – Lebensraum Land

Strategische Forschungsbereiche und Zentren

Forschungsschwerpunkt: Biomedizintechnik
Zentren: Zentrum für Künstliche Intelligenz Lübeck (ZKIL)

DFG-Fachsystematik

2.22-30 Radiologie
2.22-32 Medizinische Physik, Biomedizinische Technik
2.22-07 Medizininformatik und medizinische Bioinformatik

Zitieren

@inproceedings{9ec4da2911a64e3e8ae1ef3cdf93e6d1,

title = "Radiographic Assessment of CVC Malpositioning: How can AI best support clinicians?",

author = "Lasse Hansen and Malte Sieren and Malte Hobe and Axel Saalbach and Heinrich Schulz and J{\"o}rg Barkhausen and Heinrich, \{Mattias P\}",

year = "2021",

month = jul,

day = "1",

language = "English",

booktitle = "International Conference on Medical Imaging with Deep Learning",

}

TY - GEN

T1 - Radiographic Assessment of CVC Malpositioning: How can AI best support clinicians?

AU - Hansen, Lasse

AU - Sieren, Malte

AU - Hobe, Malte

AU - Saalbach, Axel

AU - Schulz, Heinrich

AU - Barkhausen, Jörg

AU - Heinrich, Mattias P

PY - 2021/7/1

Y1 - 2021/7/1

M3 - Conference contribution

BT - International Conference on Medical Imaging with Deep Learning

ER -