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.

mint Lesion Screenshot mit PET-Auswertung, SUV und angepassten Response-Kriterien

[Translate to German:] Anpassbare Befundungsvorlagen für die Auswertung des Therapieansprechens

mint Lesion bietet anpassbare Befundungstemplates zur Auswertung des Therapieansprechens in der diagnostischen Radiologie und Forschung. Passen Sie Parameter an, definieren Sie Läsionskategorien und bewerten Sie das Ansprechen zur Therapie. Verfolgen Sie Schlüsselwerte wie Durchmesser, Volumen, SUV und ADC unter Berücksichtigung von Mindestgrößen. Automatisieren Sie Summenberechnungen zur Ansprechsbestimmung und integrieren Sie klinische Daten wie ctDNA- oder PSA-Werte. Dokumentieren Sie multiple Läsionen, vergleichen Sie absolute und relative Veränderungen und visualisieren Sie Trends mit interaktiven Diagrammen.

Hauptmerkmale:

  • Einfache Anpassung der Parameter:
    • Fragen für die manuelle Response-Auswertung
    • Läsionskategorien (z. B. Zielläsionen, Nicht-Zielläsionen)
    • Automatische Läsionszustände (z. B. normalisiert für Lymphknoten)
    • Schlüssel-Messwerte (z. B. längster Durchmesser, kurze Achse, Volumen, SUV, ADC usw.), einschließlich erforderlicher Mindestgröße pro Läsionskategori
    • Summe der Messwerte zur Bestimmung des Ansprechens (z. B. Summe der Durchmesser oder Summe der Volumina)
    • Klinische Daten (z. B. ctDNA- oder PSA-Werte)
  • Automatische Berechnung absoluter und relativer Unterschiede zur Baseline, zum vorherigen Zeitpunkt und zum Nadir
  • Interaktive Diagramme, die alle relevanten Werte über die Zeit hinweg anzeigen, einschließlich klinischer Daten, mit dynamischen Filteroptionen
  • Umfassende Befundberichte mit Tabellen und Grafiken für eine schnelle und klare longitudinale Übersicht
  • Möglichkeit zur Dokumentation der Anzahl mehrerer (Nicht-Ziel- und Neue) Läsionen
Klinische Forschung Standardisierte Befundungen Diagnostisches Datenmanagement Datensammlung Datenanalyse Volumetrische Messungen

Ähnliche Inhalte

Ähnliche Inhalte

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…

Dieses Bild zeigt mehrere Ärzte vor einem Computer; sie schauen auf ein Bild in der medizinischen Bildgebungssoftware mint Lesion™

BZKF BORN Roll-Out Schulungen Gehen Weiter

Unser Experte Steffen Rupp besuchte kürzlich die Technische Universität München, um die vor Ort stattfindenden BZKF BORN Roll-Out Trainings…