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 104. Deutschen Röntgenkongress 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 104. Deutschen Röntgen­kongresses kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 104. Deutschen Röntgenkongresses 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 104. Deutschen Röntgen­kongresses kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 104. Deutschen Röntgenkongresses gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 104. Deutschen Röntgen­kongresses loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 104. Deutschen Röntgen­kongresses 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 104. Deutschen Röntgen­kongresses 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.

RK / WISS

Radiologie und IT I - Datennutzung nachhaltig und überregional

Radiologie und IT I - Datennutzung nachhaltig und überregional
Samstag, 13. Mai 2023 · 12:00 bis 13:30 Uhr
13
Mai

Samstag, 13. Mai 2023

12:00 bis 13:30 Uhr · ZoomWebinar  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

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

Zertifizierungen

2 CME Punkte (Kategorie A)

Informationen

Das ist eine Veranstaltung der AGIT - AG Informationstechnologie.

Anwesenheiten

Moderation
Daniel Pinto dos Santos (Köln)
Bianca Lassen-Schmidt (Bremen)

Ablauf

12:00 - 12:20

Vortrag (Fortbildung)

Multizentrische Forschungsdatennetzwerke

Tobias Penzkofer (Berlin)

12:20 - 12:40

Vortrag (Fortbildung)

Klinische Daten nutzbar machen: standardisierte Kodierung

Thomas Hackländer

Kurzzusammenfassung

Systematische Nomenklaturen können in der Radiologie zur eindeutigen Begriffsdefinition und zur computergestützten Auswertung eingesetzt werden.
Zu der ersten Gruppe zählen klar umrissene Begriffsdefinitionen, wie z.B die der Fleischner Society zur Beschreibung von Pathologien im Bereich der Thoraxbildgebung oder das BI-RADS System für die Mammografie. Diese Systeme ermöglichen es dem befundenden Radiologen anhand von Atlanten in einem eindeutig definierten Vokabular mit den Zuweisern und radiologischen Kollegen zu kommunizieren und erhöhen damit die diagnostische Sicherheit. Ein weiterer Aspekt ist die Möglichkeit über Volltextrecherchen der Befundberichte auch institutsübergreifende statistische Auswertungen zu wissenschaftlichen oder epidemiologischen Fragestellungen durchführen zu können.

Der computergestützte Datenaustausch und -auswertung kann aber erst durch die Anwendung von Kodiersysteme vereinfacht werden: Auch hier ist das primäre Ziel eine eindeutige Terminologie zu schaffen. Im Gegensatz zu den oben angeführten Begriffsdefinitionen wird hier aber jeder Begriff aus der realen Welt zunächst in ein abstraktes Konzept überführt. Jedem Konzept wird dann neben einer eindeutigen Definition und lesbaren Bezeichnungen in einer oder mehreren Sprachen insbesondere auch ein Kode zugeordnet. Über diesen können Computersysteme einerseits maschinelle Auswertungen vornehmen, andererseits können so Konzepte auch über Sprachgrenzen hinweg eingesetzt werden. Alle hier vorgestellten Kodiersystemen definieren zusätzlich Abhängigkeiten der Konzepte untereinander, wodurch ein implizites semantisches Wissen in diese Ontologien eingebracht wird.

Am Beispiel eines einfachen radiologischen Befundberichtes werden verschiedene Anwendungsbereiche für Kodiersysteme vorgestellt.
Im Einzelnen wird auf ICD-10 zur Kodierung von Erkrankungen, LOINC und RadLex zur Indizierung von radiologischen Inhalten und SNOMED CT als allgemeine medizinische Ontologie eingegangen.

Lernziele

Unterschied zwischen Begriffsdefinition, Kodiersystem und Ontologie
ICD-10
LOINC / RadLex
SNOMED CT
12:40 - 13:00

Vortrag (Fortbildung)

Überregionaler Dosisdatenaustausch

Rainer Eßeling (Münster)

13:00 - 13:05

Vortrag (Wissenschaft)

Training of AI Models Beyond the Local Dataset Using Federated Learning with 695,000 Non-Identically-Labeled Chest Radiographs

Soroosh Tayebi Arasteh (Aachen)

weitere Autoren

Peter Isfort (Aachen) / Marwin Sähn (Aachen) / Christiane Kuhl (Aachen) / Daniel Truhn (Aachen) / Sven Nebelung (Aachen)

Zielsetzung

Artificial intelligence (AI) models require large annotated datasets for training. While federated learning (FL) enables multiple institutions to securely cooperate in training AI models, it requires all images to be annotated identically and based on the same classifications and conditions. In the real world, this can usually only be achieved if partners agree on a standardized annotation beforehand. Our aim was to develop and validate an extension to FL for collaborative training of chest radiographs that had not been labeled identically.

Material und Methoden

In this retrospective study, we included more than 695,000 chest radiographs from five institutions, i.e., (i) VinDr, n=18,000, (ii) ChestX-ray14, n=112,120, (iii) CheXpert, n=157,676, (iv) MIMIC-CXR, n=215,187, and (v) UKA, n=193,361. For these radiographs, annotations for typical radiological diagnoses (e.g., cardiomegaly, pneumonia, pleural effusion, etc.) in a multilabel setting with distinctly different label schemes were available. We comparatively evaluated two separate training approaches for each dataset, i.e., training 1) only on the local data and 2) on all data using our novel flexible FL (FFL) paradigm. Statistical analysis was performed on the area under the receiver-operator-curve (AUC) of held-out test sets (n=3,000, n=25,596, n=29,320, n=2,844, and n=39,824, respectively using bootstrapping as a statistical test.

Ergebnisse

FFL outperformed local training over all five conditions in terms of the average AUC: 1) VinDr-CXR: 0.885 ± 0.049 [FFL] vs. 0.867 ± 0.045 [local]; p=0.001, 2) ChestX-ray14: 0.744 ± 0.080 vs. 0.744 ± 0.076; p=0.363, 3) CheXpert: 0.797 ± 0.061 vs. 0.796 ± 0.064; p=0.243, 4) MIMIC-CXR-JPG: 0.786 ± 0.066 vs. 0.772 ± 0.072; p=0.004, and 5) UKA: 0.918 ± 0.031 vs. 0.916 ± 0.031; p=0.001.

Schlussfolgerungen

By enabling joint training of the AI models beyond the local dataset and with heterogeneous labels, our new FFL framework further improves model performance and allows more flexibility in input data organization and integration.
13:05 - 13:10

Vortrag (Wissenschaft)

Automatic Evaluation of Chest Radiographs – The Data Source Matters, But How Much Exactly?

Soroosh Tayebi Arasteh (Aachen)

weitere Autoren

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

Zielsetzung

Artificial intelligence (AI) models can support radiologists in their diagnosis, but usually do not work as well on external data, i.e. on data from hospitals that did not participate in the initial training. In this study, we perform a large-scale analysis of the domain transferability, i.e. on the performance of radiologic AI models on external data utilizing 550,000 publicly available chest radiographs from five institutions from across the globe with differing annotations and imaging protocols.

Material und Methoden

We tested domain transferability on multicentric datasets including VinDr-CXR (n=18,000), ChestX-ray14 (n=112,120), CheXpert (n=157,676), MIMIC-CXR-JPG (n=215,187), and UKA-CXR (n=54,824), using 11 different labels including cardiomegaly, lung opacity, lung lesion, pneumonia, edema, enlarged cardiomediastinum, consolidation, pleural effusion, pneumothorax, atelectasis, and no finding. AI models based on the ResNet architecture were trained on each dataset and were evaluated both on a held-out test set of the same dataset (original domain, OD) and cross evaluated on the test sets of the external domains (ED) if labels were available. The area under the receiver-operator-curve (AUC) was used as the primary evaluation metric. Bootstrapping was employed to determine the statistical spread and calculate p-values.

Ergebnisse

The average AUC over all labels of each test cohort was: 1) CheXpert & MIMIC-CXR-JPG (EDs) vs. ChestX-ray14 (OD): 0.74 ± 0.07 & 0.74 ± 0.05 vs. 0.74 ± 0.08, 2) MIMIC-CXR-JPG (ED) vs. CheXpert (OD): 0.72 ± 0.11 vs. 0.76 ± 0.09, 3) CheXpert (ED) vs. MIMIC-CXR-JPG (OD): 0.70 ± 0.07 vs. 0.76 ± 0.05, 4) UKA-CXR (ED) vs. VinDr-CXR (OD): 0.86 ± 0.07 vs. 0.94 ± 0.02.

Schlussfolgerungen

Given sufficient high-quality data, models can be trained on data from a single institution that perform reasonably well on external data from institutions that did not participate in the initial training as performance drops by no more than 9%.
13:10 - 13:30

Diskussion

Diskussion

Häufige Fragen

Erst anmelden, dann teilnehmen!

Sie interessieren sich für ein RÖKO DIGITAL-Webinar? Dann melden Sie sich bitte bis spätestens 24 Stunden vor Beginn der Veranstaltung einmalig für den RÖKO DIGITAL des 104. Deutschen Röntgenkongress an, damit wir Sie rechtzeitig für alle Angebote freischalten können.

Wenn Ihr Arbeitgeber eine Gruppenanmeldung vorgenommen hat, müssen Sie sich mit einem Anmelde-Code, den Sie vom Arbeitgeber erhalten, für die Teilnahme einmalig registrieren. Mit Eingabe des Codes ist die Anmeldung für Sie kostenfrei.

Alle Informationen zur Anmeldung und Gruppenanmeldung für den RÖKO DIGITAL erhalten Sie unter Anmeldung.

Teilnahme an RÖKO DIGITAL-Webinaren

Bitte beachten Sie, dass Sie sich für jedes Webinar separat einloggen müssen!
Bei jeder Veranstaltung finden Sie ca. 10 Tage vor dem Termin oben rechts einen Button "Teilnehmen".

Jetzt teilnehmen!
Ab 10 Minuten vor Beginn des Webinars können Sie sich direkt ins Webinar einloggen. Voraussetzungen: Sie haben die Teilnahme am Kongress gebucht und Ihre Login-Daten zur Hand. DRG- und DGMTR-Mitglieder verwenden Ihre Zugangsdaten für den Mitgliederbereich. Nichtmitglieder nutzen bitte die Login-Daten, welche für die Anmeldung / Registrierung eingesetzt wurden.

Sie möchten ein Webinar für sich in Ihrer Merkliste vormerken!
Wenn Sie die Teilnahme am RÖKO DIGITAL bereits gebucht haben und bereits einige Zeit vor dem Webinar-Termin sich diesen vormerken wollen, klicken Sie auf den Button teilnehmen und folgen Sie dem "RadiSSO-Login"-Button. Nach erfolgreichem Login kehren Sie automatisch auf die Seite zurück und erhalten eine Bestätigung über die erfolgreiche Vormerkung für die Teilnahme am Webinar. Wenn Sie sich für die Teilnahme vorgemerkt haben, kehren Sie kurz vor Beginn der Veranstaltung zurück, klicken Sie auf den "Teilnehmen"-Button oder falls Sie bereits eingeloggt sind auf den "Zum Webinar"-Button.
Ihre vorgemerkte Webinare finden Sie in Ihrem persönlichen RÖKO DIGITAL-Programm im Benutzermenü.

Teilnahme an RÖKO DIGITAL-Industrie-Webinaren

Bei jeder Veranstaltung, die bereits für die Teilnehmer:innen freigeschaltet wurde, finden Sie oben rechts einen grünen "Teilnehmen"-Button.

Wenn Sie Kongress-Teilnehmer:in und bereits eingeloggt sind, erhalten Sie umgehend eine Bestätigung für die Vormerkung zur Teilnahme am Webinar, und wenn das Webinar innerhalb der nächsten zehn Minuten startet, oder bereits begonnen hat, werden Sie direkt in das Webinar geleitet.

Wenn Sie Kongress-Teilnehmer:in und NICHT eingeloggt sind, klicken Sie auf den Button "RadiSSO-Login". Nach erfolgreichem Login kehren Sie automatisch auf die Seite zurück und erhalten eine Bestätigung über die erfolgreiche Vormerkung für die Teilname am Webinar, und werden, wenn das Webinar innerhalb der nächsten zehn Minuten startet, oder bereits begonnen hat, direkt in das Webinar geleitet.

Wenn Sie sich für die Teilnahme vorgemerkt haben, kehren Sie kurz vor Beginn der Veranstaltung zurück, klicken Sie auf den "Teilnehmen"-Button oder falls Sie bereits eingeloggt sind auf den "Zum Webinar"-Button.

Wenn Sie keine Kongress-Teilnehmer:in sind, haben Sie die Möglichkeit an unseren Industrie-Veranstaltungen kostenfrei als Gast teilzunehmen. Hierzu können Sie ab ca. 10 Minuten vor Beginn der Veranstaltung, unter Angabe Ihres vollständigen Namens sowie Ihrer E-Mail-Adresse teilnehmen.

Aufzeichnungen der Webinare auf conrad, der digitalen Lernplattform der DRG

Zugriff auf die Aufzeichnungen der Webinare auf conrad, der digitalen Lernplattform der DRG, ist ausschließlich den DRG-/DGMTR-Mitgliedern vorbehalten. Die Verfügbarkeit einer Webinar-Aufzeichnung wird nicht garantiert. Voraussetzung ist die Zustimmung der Referent:innen. Alle Aufzeichnungen werden bis zum 31.12.2024 abrufbar sein.

Möchten Sie als Nicht-Mitglied auch im Anschluss die Webinar-Aufzeichnungen ansehen, so ist der Abschluss einer DRG-/DGMTR-Mitgliedschaft erforderlich. Nutzen Sie zugleich alle weiteren Vorteile und werden Sie jetzt Mitglied in der DRG!

Sobald dieses Webinar in "conrad" verfügbar ist, erhalten Sie, anstelle des "Teilnehmen"-Buttons einen "Webinar in conrad"-Button, um direkt zum Webinar im conrad, der digitalen Lernplattform der DRG, zu gelangen.

Fortbildungspunkte (CME) / Teilnahmebescheinigung

Alle wissenschaftlichen Fortbildungsveranstaltungen werden bei der Landesärztekammer (LÄK) Berlin zertifiziert. Die Landesärztekammer vergibt 1 CME-Punkt pro Lehreinheit (45 Minuten), somit rechnen wir mit der Vergabe von 2-CME Punkten pro 90 Minuten-Session.

Wenige Tage nach einem Live-Webinar erhalten Sie den Nachweis über Ihre Teilnahme per E-Mail. Darin werden auch die CME-Punkte ausgewiesen.

Bitte beachten Sie: Um Ihre Teilnahmedaten automatisch an die LÄK übermitteln zu können, benötigen wir Ihre Einheitliche Fortbildungsnummer (EFN). Diese können Sie bei Ihrem Mitgliedsantrag oder der Veranstaltungsanmeldung (Online-Anmeldeformular) angeben oder uns vor Teilnahme an den Webinaren per E-Mail an kongress@drg.de mitteilen.
Die automatische Übermittlung erfolgt ab dem Zeitpunkt des Vorliegens der EFN. Für zurückliegende Teilnahmebescheinigungen müssen Sie diese selbstständig bei der LÄK einreichen. Liegt uns Ihre EFN nicht vor, müssen Sie Ihre Teilnahmebescheinigung bei der zuständigen LÄK, bei der Ihr Fortbildungspunktekonto geführt wird, selbstständig einreichen.

CME-Punkte werden nur für Live-Webinare, jedoch nicht für das Ansehen der Aufzeichnungen auf conrad, der digitalen Lernplattform der DRG, vergeben.

Wann werden meine Fortbildungspunkte an die Landesärztekammer weitergeleitet?

Damit die Fortbildungspunkte innerhalb von fünf Arbeitstagen nach dem Webinar an den EIV* weitergeleitet werden können, ist es Voraussetzung, dass uns Ihre EFN bereits vorliegt oder dass Sie uns diese bei der Anmeldung zum RÖKO DIGITAL übermitteln.

Mitglieder der Deutschen Röntgengesellschaft können diese selbstständig im DRG-Mitgliederbereich eintragen.

Runlog

Öffnen