anwendungen*
ReconIQPackagefullwidth
bildrekonstruktion mit deep-learning*

So sehen Sie noch besser

ReconIQDeepLearningImageReconstructionfullwidth1
asir-v*

Geringe Strahlendosis bei Routineuntersuchungen.

  • Bis zu 135 % verbesserte Niedrigkontrast-Erkennbarkeit:
    Bei einem Vergleich mit entsprechenden FBP-Rekonstruktionen bei gleicher Dosis verbessert ASiR-V die Niedrigkontrast-Erkennbarkeit um bis zu 135 %.1
  • Bis zu 100 % bessere räumliche Auflösung.
    Mit ASiR-V wird im Vergleich zu FBP die räumliche Auflösung verbessert, da Bilder mit höherer Auflösung ohne verstärktes Bildrauschen rekonstruiert werden können.1
  • Bis zu 91 % weniger Bildrauschen.
    Abhängig von der Scantechnik und den Rekonstruktionsparametern kann ASiR-V das elektronische Bildrauschen im Vergleich zu FBP bei gleicher Dosis erheblich reduzieren.1
  • Bis zu 82 % geringere Strahlendosis.
    In der routinemäßigen Bildgebung reduziert ASiR-V die Dosis im Vergleich zur Standard-FBP-Rekonstruktion bei gleicher Bildqualität nachweislich um bis zu 82 %.1
smart mar*

Reduzierung von Metallartefakten

Begleitdokumente

* Möglicherweise sind nicht alle Funktionen und Pakete verfügbar, und der Zeitpunkt der Verfügbarkeit kann je nach CT-System variieren.
1. In der klinischen Praxis kann durch den Einsatz der ASiR-Technologie die Patientendosis für die CT je nach klinischer Aufgabe, Patientengröße, anatomischer Lokalisierung und klinischen Verfahren reduziert werden. Um die angemessene Dosis zu bestimmen und gleichzeitig für die spezielle klinische Aufgabe eine gute diagnostische Bildqualität zu erhalten, sind der Radiologe und ein Medizinphysiker zu Rate zu ziehen. Die Niedrigkontrastauflösung (Low Contrast Detectability, LCD), das Bildrauschen, die räumliche Auflösung und Artefakte wurden mithilfe von werkseitigen Referenzprotokollen bewertet und für ASiR-V und FBP verglichen. Die LCD-Messung erfolgte bei 0,625 mm dicken Schichten, getestet wurden Kopf- und Körpermodi mit dem Phantom MITA CT IQ (CCT183, The Phantom Laboratory) unter Verwendung der Model-Observer-Methode.

JB00530AT