Ziel: Atherosklerotische Plaques in den Karotiden (ACP) sind bei etwa 15 % der Schlaganfälle der wichtigste ätiologische Faktor. Sie werden oft auf routinemäßig angefertigten Panoramaaufnahmen entdeckt. Da es sich dabei um die am häufigsten angefertigten dentalen Röntgenaufnahmen handelt, liefern sie hinreichend Daten für computergestützte Verfahren zum automatischen Nachweis, um eine zeitnahe Diagnose der atherosklerotischen Plaques zu gewährleisten. In dieser Studie wurde der Einsatz des Deep Learnings zum Nachweis von atherosklerotischen Plaques in den Karotiden auf Routine-Panoramaaufnahmen vorgestellt - übergeordnetes Ziel ist die Schlaganfallprävention. Methoden: Für das Deep Learning wurde das Faster Region-based Convolutional Network verwendet. Die Funktionsweise des Algorithmus wurde an einem kleinen Datensatz von 65 Patienten überprüft. Da nur begrenzt Trainigsdaten zur Verfügung standen, wurden die Daten vermehrt, indem die Helligkeit verändert und zugeschnittene Regions of Interest in verschiedenen Winkeln nach dem Zufallsprinzip umgedreht und rotiert wurden. Die Richtigkeit des Nachweises wurde mit einer Analyse der Receiver Operating Characteristic (ROC) berechnet. Ergebnisse: Die atherosklerotischen Plaques in den Karotiden wurden mit einer Sensitivität von 75 %, einer Spezifität von 80 % und einer Präzision von 83 % nachgewiesen. Die ROC-Analyse ergab eine Area Under Curve (AUC), die signifikant von 0,5 abwich. Schlussfolgerungen: Das Besondere an dieser Studie liegt darin, dass für einen kleinen Datensatz das Deep Learning erfolgreich zum Nachweis atherosklerotischer Plaques der Karotiden auf Panoramaaufnahmen eingesetzt wurde. Es sind weitere Verbesserungen beim Einsatz des Algorithmus erforderlich, bis er zur Schlaganfallprävention in die klinische Routine eingeführt werden kann. Schlagwörter: Schlaganfall, Deep Learning, Panoramaaufnahme, Orthopantografie, neurales Netzwerk, Atherom, Zahnarzt, atherosklerotische Plaques in den Karotiden