Bleiben Sie auf dem Laufenden: Die Transformation der Radiologie dank strukturierter Befundung und datengesteuerter Ansätze

Erkundigen Sie sich über unsere Aktivitäten, Projekte und Produkt-Updates, informieren Sie sich über die neuesten Branchennachrichten, und erfahren Sie, was uns als Unternehmen und als Team ausmacht.

[Translate to German:]

Aufnahme der RSNA 2019 AI Theater Präsentation | Powerfood für KI

Auf der diesjährigen RSNA stellte Mint Medical seinen Ansatz zur künstlichen Intelligenz im Rahmen einer AI Theater Präsentation vor. Tobias Gottmann und Aditya Jayaram zeigten, wie jeder radiologische Befund zu einer KI-getriebenen Zukunft beitragen kann, indem Powerfood für KI in Form von strukturierten Daten gesät wird. Mit mint Lesion werden longitudinal verbundene strukturierte Imaging- und Reportingdaten für unterschiedliche onkologische Befundfragestellungen eingesammelt. Diese Daten können für Ansätze in der Personalisierten Medizin, für Clinical Decision Support Systeme und für das Trainieren und Verbessern von Machine-Learning-Algorithmen eingesetzt werden. Die Aufnahme der AI Theater Präsentation finden Sie hier: AI Theater

Datenvisualisierung Personalized Therapy Strukturierte Befundung Datensammlung Datenanalyse KI

Ähnliche Inhalte

Ähnliche Inhalte

mint Lesion Screenshot mit HCC Diagnose laut APASL, AASLD, LI-RADS, LCA-NCC und EASL Leitlinien.

Multizentrische Studie: Vergleich diagnostischer Leitlinien für hepatozelluläres Karzinom

Neueste Fortschritte in MRT-Techniken und der Tumorbiologie haben zu aktualisierten Diagnoseleitlinien verschiedener Leberforschungsverbände für das…

Radiologe nutzt KI zur Auswertung medizinischer Bilder

Förderung des föderierten Lernens in der Radiologie in der Praxis

Federated Learning (FL) ermöglicht kollaboratives Modelltraining ohne Datenzentralisierung - ein entscheidender Aspekt für die radiologische…

Schematische Darstellung der Federated-Learning Studie und ihrer Dateninfastruktur

RACOON: Ein Leitfaden zur Überbrückung der Kluft zwischen simulierter und realer Forschung im Bereich des föderalen Lernens

Deep Learning (DL) ist ein wichtiger Bestandteil der radiologischen Bildanalyse geworden. Um diese Deep-Learning-Modelle zu trainieren, ist der Zugang…