Cookies und der Schutz Ihrer Daten

Wir verwenden Cookies, um die Funktionalität der Website zu verbessern, Ihnen ein besseres Website-Erlebnis zu bieten und Funktionen für soziale Medien bereitzustellen. Ihre Einwilligung erteilen Sie durch Klicken auf „Alle Cookies akzeptieren“ oder im Rahmen Ihrer individuellen Einstellungen. Ausführliche Informationen über die Verwendung von Cookies auf dieser Website finden Sie in unserer Datenschutzerklärung.

Funktionale Cookies

Diese Cookies sind für den Betrieb der Seite notwendig und stellen sicherheitsrelevante Funktionen sicher. Wir überprüfen, ob Sie eingeloggt bleiben möchten und ermöglichen einen schnellen erneuten Zugriff, wenn Sie während einer Sitzung die Seite wechseln

Statistische Cookies

Diese Cookies dienen der Analyse des Nutzerverhaltens auf unserer Website mit dem Ziel der Verbesserung der Nutzerführung. Alle erhobenen Daten werden anonymisiert ausgewertet. Weitere Informationen finden Sie auf unserer Datenschutzseite.

Marketing-Cookies

Diese Cookies werden verwendet, um relevante Werbung auszusteuern und zu begrenzen, wie oft Sie Anzeigen sehen. Marketing-Cookies geben Informationen an den Werbetreibenden weiter (Cookies von Dritten). Rechtsgrundlage dafür ist die Zustimmung des Nutzers.

AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
AVIEW HeartX
2024

Teilen:

AVIEW HeartX

Auf Deep Learning basierende Lösung für die Diagnose von Röntgenaufnahmen der Brust

AVIEW HeartX ist eine auf Deep Learning basierende Lösung für die Diagnose von Herz-Kreislauf-Erkrankungen auf Basis von Thorax-Röntgenaufnahmen (CXR). Die Diagnose von Herz-Kreislauf-Erkrankungen anhand einer konventionellen Röntgenaufnahme erfordert umfangreiches Fachwissen. Obwohl Menschen eine kardiovaskuläre Grenze (CB) zeichnen können, wurde dies in der klinischen Praxis oder Forschung aufgrund des hohen Zeitaufwands nicht angewendet. AVIEW HeartX nutzt KI, um die kardiovaskulären Grenzen in wenigen Sekunden automatisch zu zeichnen, was die diagnostischen Diskrepanzen zwischen Experten verringern und die Benutzerfreundlichkeit durch eine menschenzentrierte Designmethodik verbessern kann. Dadurch kann die Effizienz bei der Differenzialdiagnose, der Klassifizierung des Krankheitsschweregrads und der Vorhersage des klinischen Ergebnisses gesteigert werden.

Kunde/Hersteller

Corelinesoft

Seoul, KR
Design
Asan Medical Center

Asan Medical Center

Seoul, KRHyesun Kim, Donghyun Yang
Markteinführung
2024
Entwicklungszeit
Vertraulich
Zielregionen
Afrika, Asien, Australien / Ozeanien, Europa, Nordamerika, Südamerika
Zielgruppen
Verbraucher/Nutzer

VERWANDTE PROJEKTE