Wissensportal für Fachkräfte der medizinischen Bildgebung: Radiologie durch strukturierte Befundung, datenbasierte Ansätze und multizentrische Forschung weiterentwickeln

Erhalten Sie Zugang zu wegweisender Forschung, innovativen Fallbeispielen und gemeinsamen Projekten, die die Radiologie weltweit vorantreiben. Entdecken Sie unsere Aktivitäten und Produktneuigkeiten und lernen Sie uns als Unternehmen und Team kennen.

Central Imaging Review Analysis with mint Lesion

Central Imaging Review Analyse mit mint Lesion - bereit für die Befundung in Minuten statt Wochen

Sehen Sie in dem obigen Video eine Demonstration unserer Central Imaging Review Software mit einer vorkonfigurierten Master-Trial-Workflow-Datenbank, die entwickelt wurde, um Ihre Studienanforderungen mit schnell verfügbarer Funktionalitäten zu unterstützen.

  • Multiple Befundungsansätze: Unterstützung für Single Reads, Double Reads mit Adjudication und Eligibilitäts-Workflows
  • Multi-Kriterien-Befundung: Anwendung mehrerer Auswertungskriterien auf dasselbe Bild
  • Flexible Befundungsvorlagen: Verwendung standardisierter Response-Kriterien-Befundungsvorlagen oder Ihrer benutzerdefinierten eCRFs
  • Integrierte Analytics: Volumetrie, SUVs, Tumorwachstumsraten und Radiomics-Funktionen
  • Automatische Benachrichtigungen: Warnmeldungen, die auf Ihren Review-Ablauf abgestimmt sind
  • Export-Funktionalität: Ein-Klick-Exporte für Bilder, Daten (CDISC, Radiomics, Beobachtungen) und strukturierte Ergebnisse

Ähnliche Inhalte

Ähnliche Inhalte

no image

User Experience Designer (UX/UI)

As a UX/UI Designer at Mint, you will play a key role in building upon a new web-based application focused on clinical research and electronic data…

Update RSNA: Bildgebung von Herz und Lunge

09.01. bis 10.01.2026 Köln, Germany

Fortbildung in Radiologischer Diagnostik „Update RSNA – Bildgebung von Herz und Lunge“

PET-Aufnahmen des Torsos mit relevanten falsch-positiven Befunden, markiert durch rote gestrichelte Kreise, und korrekt erkannten Läsionen (True Positives) in Grün

LMU Klinikum München: Künstliche Intelligenz für das TNM-Staging beim NSCLC – Wie gut sind KI-basierte Segmentierungen wirklich?

Die aktuelle Studie „Artificial intelligence for TNM staging in NSCLC – a critical appraisal of segmentation utility in [18F]FDG PET/CT“ untersucht…