TY  - JOUR
AU  - Brinker, Titus J
AU  - Hekler, Achim
AU  - Enk, Alexander H
AU  - Klode, Joachim
AU  - Hauschild, Axel
AU  - Berking, Carola
AU  - Schilling, Bastian
AU  - Haferkamp, Sebastian
AU  - Schadendorf, Dirk
AU  - Holland-Letz, Tim
AU  - Utikal, Jochen S
AU  - von Kalle, Christof
AU  - Ludwig-Peitsch, Wiebke
AU  - Sirokay, Judith
AU  - Heinzerling, Lucie
AU  - Albrecht, Magarete
AU  - Baratella, Katharina
AU  - Bischof, Lena
AU  - Chorti, Eleftheria
AU  - Dith, Anna
AU  - Drusio, Christina
AU  - Giese, Nina
AU  - Gratsias, Emmanouil
AU  - Griewank, Klaus
AU  - Hallasch, Sandra
AU  - Hanhart, Zdenka
AU  - Herz, Saskia
AU  - Hohaus, Katja
AU  - Jansen, Philipp
AU  - Jockenhöfer, Finja
AU  - Kanaki, Theodora
AU  - Knispel, Sarah
AU  - Leonhard, Katja
AU  - Martaki, Anna
AU  - Matei, Liliana
AU  - Matull, Johanna
AU  - Olischewski, Alexandra
AU  - Petri, Maximilian
AU  - Placke, Jan-Malte
AU  - Raub, Simon
AU  - Salva, Katrin
AU  - Schlott, Swantje
AU  - Sody, Elsa
AU  - Steingrube, Nadine
AU  - Stoffels, Ingo
AU  - Ugurel, Selma
AU  - Zaremba, Anne
AU  - Gebhardt, Christoffer
AU  - Booken, Nina
AU  - Christolouka, Maria
AU  - Buder-Bakhaya, Kristina
AU  - Bokor-Billmann, Therezia
AU  - Enk, Alexander
AU  - Gholam, Patrick
AU  - Hänßle, Holger
AU  - Salzmann, Martin
AU  - Schäfer, Sarah
AU  - Schäkel, Knut
AU  - Schank, Timo
AU  - Bohne, Ann-Sophie
AU  - Deffaa, Sophia
AU  - Drerup, Katharina
AU  - Egberts, Friederike
AU  - Erkens, Anna-Sophie
AU  - Ewald, Benjamin
AU  - Falkvoll, Sandra
AU  - Gerdes, Sascha
AU  - Harde, Viola
AU  - Hauschild, Axel
AU  - Jost, Marion
AU  - Kosova, Katja
AU  - Messinger, Laetitia
AU  - Metzner, Malte
AU  - Morrison, Kirsten
AU  - Motamedi, Rogina
AU  - Pinczker, Anja
AU  - Rosenthal, Anne
AU  - Scheller, Natalie
AU  - Schwarz, Thomas
AU  - Stölzl, Dora
AU  - Thielking, Federieke
AU  - Tomaschewski, Elena
AU  - Wehkamp, Ulrike
AU  - Weichenthal, Michael
AU  - Wiedow, Oliver
AU  - Bär, Claudia Maria
AU  - Bender-Säbelkampf, Sophia
AU  - Horbrügger, Marc
AU  - Karoglan, Ante
AU  - Kraas, Luise
AU  - Faulhaber, Jörg
AU  - Geraud, Cyrill
AU  - Guo, Ze
AU  - Koch, Philipp
AU  - Linke, Miriam
AU  - Maurier, Nolwenn
AU  - Müller, Verena
AU  - Thomas, Benjamin
AU  - Utikal, Jochen Sven
AU  - Alamri, Ali Saeed M
AU  - Baczako, Andrea
AU  - Berking, Carola
AU  - Betke, Matthias
AU  - Haas, Carolin
AU  - Hartmann, Daniela
AU  - Heppt, Markus V
AU  - Kilian, Katharina
AU  - Krammer, Sebastian
AU  - Lapczynski, Natalie Lidia
AU  - Mastnik, Sebastian
AU  - Nasifoglu, Suzan
AU  - Ruini, Cristel
AU  - Sattler, Elke
AU  - Schlaak, Max
AU  - Wolff, Hans
AU  - Achatz, Birgit
AU  - Bergbreiter, Astrid
AU  - Drexler, Konstantin
AU  - Ettinger, Monika
AU  - Haferkamp, Sebastian
AU  - Halupczok, Anna
AU  - Hegemann, Marie
AU  - Dinauer, Verena
AU  - Maagk, Maria
AU  - Mickler, Marion
AU  - Philipp, Biance
AU  - Wilm, Anna
AU  - Wittmann, Constanze
AU  - Gesierich, Anja
AU  - Glutsch, Valerie
AU  - Kahlert, Katrin
AU  - Kerstan, Andreas
AU  - Schilling, Bastian
AU  - Schrüfer, Philipp
TI  - Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task.
JO  - European journal of cancer
VL  - 113
SN  - 0959-8049
CY  - Amsterdam [u.a.]
PB  - Elsevier
M1  - DKFZ-2019-01167
SP  - 47 - 54
PY  - 2019
AB  - Recent studies have successfully demonstrated the use of deep-learning algorithms for dermatologist-level classification of suspicious lesions by the use of excessive proprietary image databases and limited numbers of dermatologists. For the first time, the performance of a deep-learning algorithm trained by open-source images exclusively is compared to a large number of dermatologists covering all levels within the clinical hierarchy.We used methods from enhanced deep learning to train a convolutional neural network (CNN) with 12,378 open-source dermoscopic images. We used 100 images to compare the performance of the CNN to that of the 157 dermatologists from 12 university hospitals in Germany. Outperformance of dermatologists by the deep neural network was measured in terms of sensitivity, specificity and receiver operating characteristics.The mean sensitivity and specificity achieved by the dermatologists with dermoscopic images was 74.1
LB  - PUB:(DE-HGF)16
C6  - pmid:30981091
DO  - DOI:10.1016/j.ejca.2019.04.001
UR  - https://inrepo02.dkfz.de/record/143587
ER  -