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.

[Translate to German:] Radiological Cooperative Network (RACOON)

RACOON - wie geht es weiter?

Seit Mitte 2020 wird mint Lesion™ im Rahmen von RACOON (Radiological Cooperative Network) im Netzwerk Universitätsmedizin erfolgreich eingesetzt. RACOON hat als weltweit erstes Projekt dieser Größenordnung eine bundesweite Infrastruktur aller 38 deutschen Universitätskliniken zur strukturierten Erfassung radiologischer Daten von COVID-19 Fällen errichtet.

Als Industriepartner liefert Mint Medical die technologische Basis („RACOON Base“) für die Erfassung radiologischer Daten. Die an den Standorten dokumentierten klinischen Informationen (z. B. Blutwerte, Behandlungsverlauf usw.) können den Anwendern über Schnittstellen zwischen der Befundungsplattform und anderen lokalen Datenquellen (RIS, KIS, etc.) zur Verfügung gestellt werden. Der Befundungsprozess erfüllt alle Ansprüche an Vollständigkeit, Nachvollziehbarkeit und Richtlinienkonformität und gewährleistet hierdurch die Wahrung der guten wissenschaftlichen Praxis.

Das Projekt begann ursprünglich als Plattform für die Erfassung und Analyse radiologischer Daten von COVID-19 Fällen, es zeigte sich jedoch schon bald, dass die geschaffene Infrastruktur ein hohes Skalierungspotenzial hat und auch auf zahlreiche weitere Anwendungsbereiche ausweitbar ist.  Das Netzwerk wird daher in den kommenden Jahren (2022 - 2024) weiter ausgebaut, sowohl durch weitere Verbesserungen der Basisinfrastruktur als auch durch die Integration neuer Anwendungsfelder, z. B. in den Bereichen der neurologischen, kardiologischen und pädiatrischen Bildgebung.

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…