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.

Bild eines Uterus

Das RACOON FADEN-Projekt widmet sich der Früherkennung von Adenomyose

Endometriose ist eine stark untererforschte Krankheit bei Frauen, die nun endlich durch das RACOON FADEN-Projekt mehr Aufmerksamkeit erhält.

In einem aufschlussreichen Interview sprechen Prof. Dr. Sylvia Mechsner (Charité Berlin) und Prof. Dr. Matthias May (Universitätsklinikum Erlangen) über das RACOON FADEN-Projekt, das sich auf die Früherkennung von Adenomyose, einer Form der Endometriose, konzentriert.

Dieses Projekt schließt eine bedeutende Lücke in der Diagnose und Behandlung von Frauen mit starken Menstruationsschmerzen. Mithilfe von MRT-Scans und künstlicher Intelligenz soll das Projekt frühe Anzeichen von Adenomyose identifizieren und das Verständnis der Morphologie eines gesunden Uterus vertiefen. Darüber hinaus betont das Interview die innovative Nutzung von strukturiertem Berichtswesen und der bestehenden RACOON-Infrastruktur, um die diagnostische Genauigkeit zu verbessern und die Forschung zu beschleunigen.

Lesen Sie das ganze Interview hier.

RACOON Interoperabilität Personalized Therapy MRT Strukturierte Befundung Klinische Forschung Standardisierte Befundungen KI Interview Success Story

Ähnliche Inhalte

Ähnliche Inhalte

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Optimierung der Bildgebung bei Glioblastomen: Verbesserung der MRT-Effizienz und -Qualität durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen bei Patient:innen mit Glioblastomen, mit dem Ziel, die…

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Universitätsklinikum Tübingen: Fortschritte in der Effizienz von MRT bei der Behandlung von Glioblastomen durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen für Patient:innen mit Glioblastomen. Glioblastome, die…

Portrait von Dr. Maurice Heimer, ist Arzt in Weiterbildung für Radiologie

Einblicke in das BORN-Projekt: Entwicklung und Erfolge mit Dr. Maurice Heimer

Das BORN-Projekt des Bayerischen Zentrums für Krebsforschung (BZKF) schreitet in seiner zweiten Förderphase zügig voran. Ein zentraler Aspekt ist die…