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

RACOON FADEN: Pionierarbeit zur Früherkennung von Adenomyose – Einblicke von Prof. Mechsner (Charité Berlin) und Prof. May (Universitätsklinikum Erlangen)

Die Adenomyose ist eine gynäkologische Erkrankung der Gebärmutter und eine Form der Endometriose. Etwa 10 Prozent der Frauen im fruchtbaren Alter sind…

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…