![[img]](https://epub.uni-regensburg.de/style/images/fileicons/application_pdf.png) | Veröffentlichte Version Download ( PDF | 1MB) Nur für Mitarbeiter des Archivs |
Fay, Louisa ; Hepp, Tobias ; Winkelmann, Moritz T. ; Peters, Annette ; Heier, Margit ; Niendorf, Thoralf 
; Pischon, Tobias ; Endemann, Beate ; Schulz-Menger, Jeanette ; Krist, Lilian ; Schulze, Matthias B. ; Mikolajczyk, Rafael ; Wienke, Andreas ; Obi, Nadia ; Silenou, Bernard C. ; Lange, Berit ; Kauczor, Hans-Ulrich ; Lieb, Wolfgang ; Baurecht, Hansjörg ; Leitzmann, Michael F. ; Trares, Kira ; Brenner, Hermann ; Michels, Karin B. ; Jaskulski, Stefanie ; Völzke, Henry ; Nikolaou, Konstantin ; Schlett, Christopher L. ; Bamberg, Fabian ; Lescan, Mario ; Yang, Bin ; Küstner, Thomas ; Gatidis, Sergios
; Pischon, Tobias ; Endemann, Beate ; Schulz-Menger, Jeanette ; Krist, Lilian ; Schulze, Matthias B. ; Mikolajczyk, Rafael ; Wienke, Andreas ; Obi, Nadia ; Silenou, Bernard C. ; Lange, Berit ; Kauczor, Hans-Ulrich ; Lieb, Wolfgang ; Baurecht, Hansjörg ; Leitzmann, Michael F. ; Trares, Kira ; Brenner, Hermann ; Michels, Karin B. ; Jaskulski, Stefanie ; Völzke, Henry ; Nikolaou, Konstantin ; Schlett, Christopher L. ; Bamberg, Fabian ; Lescan, Mario ; Yang, Bin ; Küstner, Thomas ; Gatidis, Sergios Determinants of ascending aortic morphology: Cross-sectional deep learning-based analysis on 25,073 non-contrast-enhanced NAKO MRI studies
Fay, Louisa, Hepp, Tobias, Winkelmann, Moritz T., Peters, Annette, Heier, Margit, Niendorf, Thoralf, Pischon, Tobias , Endemann, Beate, Schulz-Menger, Jeanette, Krist, Lilian, Schulze, Matthias B. , Mikolajczyk, Rafael, Wienke, Andreas, Obi, Nadia, Silenou, Bernard C., Lange, Berit , Kauczor, Hans-Ulrich, Lieb, Wolfgang, Baurecht, Hansjörg , Leitzmann, Michael F. , Trares, Kira, Brenner, Hermann, Michels, Karin B., Jaskulski, Stefanie, Völzke, Henry, Nikolaou, Konstantin, Schlett, Christopher L. , Bamberg, Fabian, Lescan, Mario, Yang, Bin, Küstner, Thomas und Gatidis, Sergios
(2025)
Determinants of ascending aortic morphology: Cross-sectional deep learning-based analysis on 25,073 non-contrast-enhanced NAKO MRI studies.
European heart journal - Cardiovascular Imaging.
Veröffentlichungsdatum dieses Volltextes: 30 Apr 2025 10:19
Artikel
DOI zum Zitieren dieses Dokuments: 10.5283/epub.76604
Zusammenfassung
Understanding determinants of thoracic aortic morphology is crucial for precise diagnostics and therapeutic approaches. This study aimed to automatically characterize ascending aortic morphology based on 3D non-contrast-enhanced magnetic resonance angiography (NC-MRA) data from the epidemiological cross-sectional German National Cohort (NAKO) and to investigate possible determinants of mid-ascending aortic diameter (mid-AAoD).
Alternative Links zum Volltext
Beteiligte Einrichtungen
Details
| Dokumentenart | Artikel | ||||||
| Titel eines Journals oder einer Zeitschrift | European heart journal - Cardiovascular Imaging | ||||||
| Verlag: | Oxford University Press (OUP) | ||||||
|---|---|---|---|---|---|---|---|
| Datum | 7 März 2025 | ||||||
| Institutionen | Medizin > Institut für Epidemiologie und Präventivmedizin Medizin > Institut für Epidemiologie und Präventivmedizin > Lehrstuhl für Epidemiologie | ||||||
| Identifikationsnummer |
| ||||||
| Stichwörter / Keywords | thoracic aorta, deep learning, causality, non-contrast-enhanced magnetic resonance angiography, aortic organ, automated shape analysis; aorta ethanol magnetic resonance imaging hypertension diabetes mellitus magnetic resonance angiography diabetes mellitus, type 2 alcohol drinking descending thoracic aorta body surface area tobacco use aortic diameter deep learning | ||||||
| Dewey-Dezimal-Klassifikation | 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin | ||||||
| Status | Veröffentlicht | ||||||
| Begutachtet | Ja, diese Version wurde begutachtet | ||||||
| An der Universität Regensburg entstanden | Zum Teil | ||||||
| Dokumenten-ID | 76604 |
Bibliographische Daten exportieren
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
Downloadstatistik
Downloadstatistik