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:]

Konfigurierbare Befundvorlagen in mint Lesion 3.3

mint Lesion™ 3.3 hat eine neue Kernkomponente zur Daten- und Wissensmodellierung. Hierdurch können Sie die Abläufe der Befunderhebung sowie die strukturierte Befunddokumentation flexibel anpassen – oder auch einfach eigene Befundvorlagen erstellen und verwenden.

Als neue Leitlinien zum Screening und Staging stellen wir unter anderem ACR BI-RADS®, eine überarbeitete PI-RADSv2 Befundvorlage, Lymphomstaging nach dem Ann Arbor Schema, PCI (Peritoneal Cancer Index) Scoring, sowie Befundvorlagen zum Staging und zur Therapieplanung für das HCC / TACE vor.

Dabei haben wir die interaktiven, anatomischen Schaubilder erweitert und ermöglichen nun eine detaillierte Klassifikation der betroffenen Anatomie einschließlich der Unterstützung von Standards wie etwa der RadLex® Klassifikation.

Strukturierte Befundung Standardisierte Befundungen Datensammlung Datenanalyse RADS HCC

Ähnliche Inhalte

Ähnliche Inhalte

Puzzleteile verbinden sich zu einem interoperablen System

FHIR im Gesundheitswesen: Das Potenzial der Interoperabilität

Im Gesundheitswesen ist die Interoperabilität ein wichtiger Wegbereiter: Interoperable Systeme ermöglichen die nahtlose Kommunikation von…

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…