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.

Ärztin nutzt den Template Designer am Laptop

Der Template Designer im Einsatz: Im Interview mit Dr. Madelaine Hettler

Strukturierte und gut organisierte Daten sind die Basis für erfolgreiche Forschung. Doch wie lassen sie sich in der klinischen Forschung effizient erfassen?

Dr. Madelaine Hettler vom Sarkomzentrum Mannheim gibt Einblicke in das RACOON-SAGA-Projekt und zeigt, wie der Template Designer dabei hilft, MRT-Bilddaten und klinische Informationen nahtlos zusammenzuführen.

Lesen Sie das ganze Interview und erfahren Sie, wie strukturierte Datenerfassung die Sarkomforschung voranbringt.

Testimonial Klinische Forschung Standardisierte Befundungen Interdisziplinäre Kommunikation Multizentrische Forschung Interview Success Story

Ähnliche Inhalte

Ähnliche Inhalte

Bild zeigt als grafischen Abstrakt Bilder aus der Studie, von MRT Aufnahmen bis zur Auswertung der Delta-Radiomics-Texturmerkmale

Universitätsklinikum Heidelberg: Delta-Radiomics-Features von ADC-Karten als frühe Vorhersagevariable des Behandlungserfolgs bei Lungenkrebs

In dieser prospektiven Studie des Universitätsklinikums Heidelberg wurde untersucht, ob Änderungen von radiomischen Merkmalen in diffusionsgewichteten…

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…