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 105. Deutscher Röntgenkongress und 10. Gemeinsamer Kongress von DRG und ÖRG 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 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG 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 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG 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 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG 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.

PO - Lehre

Lehre, Lernen und Tools

Lehre, Lernen und Tools
Mittwoch, 17. Mai 2023 · 11:15 bis 11:30 Uhr
17
Mai

Mittwoch, 17. Mai 2023

11:15 bis 11:30 Uhr · Raum: ePoster-Station  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Poster-Session
Thema
Berufliche Aus-, Weiter- und Fortbildung
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

Moderation
Laura Segger (Berlin)

Ablauf

11:15 - 11:18

Vortrag (Poster)

Der Blick des Experten: Radiologische Lehre mit Eye Movement Modeling Examples

Robert Rischen (Münster)

weitere Autoren

Dogus Darici (Münster) / Max Masthoff (Münster) / Martina Schmitz (Münster) / Hendrik Ohlenburg (Münster) / Markus Missler (Münster)

Zielsetzung

Die Entwicklung des „diagnostischen Blicks“ für Schnittbildanatomie ist ein aufwendiger Lernprozess. Für Lernende ist besonders die Orientierung in der Sonoanatomie eine Herausforderung, da sie eine schnelle Interpretation dynamischer, verrauschter und komplexer Bildinformationen erfordert. Die Verwendung von Eye-Tracking in der radiologischen Lehre verspricht durch Modellierung von Augenbewegungen (Eye Movement Modeling Examples, EMME) das Lernen zu erleichtern; dies wurde evaluiert.

Material und Methoden

Mittels Eye-Tracking-Device wurden die Augenbewegungen eines erfahrenen Radiologen während einer Sonographie des gesunden Abdomens aufgezeichnet. Daraus wurden neun Lehrvideos dieser Untersuchung, jeweils mit (EMME) und ohne (Kontrolle) überlagerte Augenbewegungen, generiert. Diese Videos wurden dann von zwei zufällig ausgewählten Gruppen angeschaut (EMME-Gruppe n=51 Studierende, 21±3 Jahre, 26 w; Kontrollgruppe n=55, 21±3 Jahre, 37 w). Dabei wurden wiederum die Augenbewegungen der Probanden aufgezeichnet und diese einem Fragebogen unterzogen.

Ergebnisse

Nach dem Training identifizierten die Studierenden der EMME-Gruppe mehr anatomische Strukturen auf den Ultraschallbildern korrekt (p=.02, η2=0.05), empfanden das Training als nützlicher (p=0,001, η2=0,10) und beendeten die Aufgabe signifikant schneller (p=,02, η2=0,05). Die exogene kognitive Belastung (ECL) durch irrelevante Informationen war in der EMME-Gruppe geringer (p=0,005, η2=0,18) und mediierte den positiven Zusammenhang zwischen Intervention und Leistung. Studierende mit einem besseren Verständnis der Anatomie profitierten stärker von der EMME-Intervention (r=0,41, p=0,003).

Schlussfolgerungen

EMMEs haben positive Auswirkungen auf das sonoanatomische Training. Das Üben mit EMMEs fördert die frühe visuelle Expertise, hilft bei der Korrelation von anatomischem Vorwissen und Bildbefunden und reduziert die kognitive Belastung. Somit ergibt sich eine Empfehlung zur Einbindung exemplarischer Blickmuster in der radiologischen Lehre, besonders im E-Learning.
11:18 - 11:21

Vortrag (Poster)

Diffusionsmodelle für modalitätenübergreifende 3D Bildsynthese - Taschenspielertrick der Bildverarbeitung oder klinischer Nutzen?

Firas Khader (Aachen)

weitere Autoren

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

Zielsetzung

Obwohl noch im Stadium der wissenschaftlichen Evaluation sind generative Modelle auf Basis der künstlichen Intelligenz vielversprechende methodische Ansätze, um z.B. Bild-zu-Bild-Translationen zu realisieren und die Bildgebung in der Klinik noch leistungsfähiger zu machen. Zielsetzung war daher die Synthese von medizinischen 3D-Bilddaten unterschiedlicher Modalitäten durch generative Modelle und die Untersuchung des potentiellen klinischen Nutzens.

Material und Methoden

Im Rahmen dieser Studie wurde die Architektur sogenannter Diffusionsmodelle durch ein 3D U-Net erweitert und der self-attention Mechanismus modifiziert. Anstatt den Diffusionsprozess direkt auf dem Bild auszuführen, wird das Bild zunächst in eine latente Repräsentation niedrigerer Dimensionalität kodiert. Das Modell wurde anschließend auf vier öffentlich zugänglichen medizinischen 3D-Bilddatensätzen bestehend aus Knie-MR- (n=1250), Kopf-MR- (n=998), Thorax-CT- (n=1010) und Mamma-MR-Untersuchungen (n=922) trainiert und die Qualität der erzeugten Bilddaten mit denen eines generativ adversarial networks (GAN) -als bisherigem Referenzstandard der künstlichen Bildsynthese- direkt verglichen. Synthetisch erzeugte Bilddatensätze (n=200) wurden von einem Radiologen anhand einer Likert-Skala von 0 (nicht) bis 3 (maximal) hinsichtlich „realistischer Bilddarstellung“, „anatomischer Korrektheit“ und „Konsistenz zwischen den Schichten“ bewertet.

Ergebnisse

Modalitätenübergreifend wurden die 3D-Bilddaten mehrheitlich als realistisch bzw. mit nur geringen unrealistischen Bereichen (95%), nicht oder gering anatomisch inkonsistent (93%) und konsistent zwischen den Schichten (96%) bewertet. Weitere Analysen der Strukturähnlichkeit der Bilddaten zwischen dem Diffusionsmodell und dem GAN legen nahe, dass das Diffusionsmodell in der Lage ist, vielfältigere Bilddaten zu erzeugen.

Schlussfolgerungen

Diffusionsmodelle können erfolgreich für die Synthese qualitativ hochwertiger medizinischer 3D-Bilddatensätze eingesetzt werden und übertreffen bestehende GAN-basierte Ansätze.
11:21 - 11:24

Vortrag (Poster)

Automatisierte Auswertung von Freitextantworten mittels Natural Language Processing - eine Machbarkeitsstudie auf Basis des EDiR-Examens.

Fabian Stöhr (Mainz)

weitere Autoren

Benedikt Kämpgen (Kaiserslautern) / Vanesa Junquero / Cristina Merino / Peter Mildenberger (Mainz) / Laura Oleaga (Barcelona) / Roman Kloeckner (Lübeck)

Zielsetzung

Die Mehrzahl der schriftlichen medizinischen Examina basieren auf Multiple-Choice-Fragen und/oder Freitextantworten. Die Aus- und Bewertung derartiger Freitextantworten erfolgt händisch und ist dementsprechend 1. zeitintensiv und 2. fehleranfällig. Ziel dieser Studie ist es daher zu untersuchen, ob es möglich ist, Freitextantworten mittels Natural Language Processing (NLP) automatisiert zu analysieren und anschließend eine Benotung vorzuschlagen, um den Auswerteprozess zu unterstützen.

Material und Methoden

Vom "European Board of Radiology" (EBR) der Europäischen Röntgengesellschaft (ESR) wurde ein repräsentatives Datenset zur Verfügung gestellt. Es bestand aus den offiziellen Fragen des „European Diploma in Radiology“ (EDiR), dem offiziellen Lösungsschlüssel sowie den Antworten der Teilnehmer inklusive Benotung. Anschließend wurde auf Basis von Wortlisten, von regel-basierten Synonymen und von direkt aus dem offiziellen Lösungsschlüssel gelernten Entscheidungsbäumen ein NLP-System erstellt.

Ergebnisse

Basierend auf einer Beispielfrage wurden Antworten von insgesamt 327 Teilnehmern analysiert und bewertet. Basierend auf dem offiziellen Lösungsschlüssel konnten 0-4 Punkte erreicht werden. Über 10 „Läufe“ gemittelt wurde ein „F1-Score“ von 0,39, eine „Precision“ von 0,39 und ein „Recall“ von 0.29 erreicht.

Schlussfolgerungen

Diese Studie zeigt, dass NLP-Systeme prinzipiell eingesetzt werden können, um Freitextantworten automatisiert zu analysieren und sogar zu bewerten. Je komplexer jedoch die Frage bzw. Antwort ist, desto schwieriger ist es, passende Wortlisten bzw. Synonyme zu finden, auf deren Basis das NLP-System gut arbeitet. In Zukunft könnten NLP-Systeme auch im Bereich des primären Fragen-Designs eingesetzt werden, um den Auswertevorgang noch effizienter und standardisierter zu gestalten. In Folgearbeiten könnte darüber hinaus untersucht werden, ob die gezeigten Ergebnisse auch in der Praxis zu einem effektiveren Bewertungsprozess führen (z.B. Einfluss auf die Varianz zwischen Prüfern, Zeitersparnis).
11:24 - 11:30

Diskussion

Diskussion

Runlog

Öffnen