Featured Video

CT-Lebervolumetrie

Herausforderung bei der CT-LEBERVOLUMETRIE

hepatic vcar*

Automatische CT-Lebersegmentierung
, basierend auf Deep Learning

  • Gesamt-Erfolgsrate für die automatische Segmentierung der Leber beim Testset
  • DURCHSCHNITTLICHE ZEIT für die Segmentierung der Leber

     

  • Variabilität zwischen Befundern bei der Messung des Lebervolumens, wenn Bearbeitungen erforderlich waren

Umfassende Lösung für den Befundungs-Workflow mit folgenden Funktionen:

    • Intelligente Segmentierung von Leberläsionen mithilfe des Tools für die automatische Konturierung
    • Deep-Learning-Algorithmus für die Segmentierung der Leber in verschiedenen Phasen und die Segmentierung der Leberarterie
    • Intuitive Tools zum Segmentieren der Leber in ihre Segmente oder Lappen
    • Berechnung der Tumorlast
    • Effiziente und konsistente Berichtswerkzeuge zur Vereinfachung der Kommunikation

Begleitdokumente

* Kann nicht in allen Regionen käuflich erworben werden.

  1. Byass, P. The global burden of liver disease: a challenge for methods and for public health. BMC Med. 2014; 12: 159.
  2. Golse, N. Should We Have Blind Faith in Liver Volumetry? SurgicalCase Reports doi: 10.31487/j.SCR.2019.01.003.
  3. Gotra, A. Liver segmentation: indications, techniques and future directions. Insights Imaging (2017) 8:377–392.
  4. Favelier, S. Anatomy of liver arteries for interventional radiology. Diagnostic and Interventional Imaging (2015) 96, 537—546.
  5. Suzuki, K. Quantitative Radiology: Automated CT Liver Volumetry Compared With Interactive Volumetry and Manual Volumetry. AJR:197, October 2011.
  6. Lodewick, TM. Fast and accurate  liver volumetry prior to hepatectomy. International Hepato-Pancreato-Biliary Association, HPB 2016, 18, 764–772.
  7. Golse. N. Should We Have Blind Faith in Liver Volumetry? SURGICAL CASE REPORTS | ISSN 2613-5965.
  8. Daten liegen vor (internes GE Dokument).
  9. Timing-Leistung basierend auf Z440-Hardware
  10. Klinische Bewertung von Hepatic VCAR, internes GE Dokument
  11. IARC-Datenbank von 2018.
  12. JAMA Oncol. 2017;3(12):1683-1691. Doi:10.1001/jamaoncol.2017.3055. Online veröffentlicht am 05. Oktober 2017. Aktualisiert am 14. Dezember 2017.

JB03949XX