Wir informieren Sie darüber, dass wir Cookies verwenden, um den Benutzern die Nutzung aller Funktionen zu ermöglichen und anonyme Statistiken über die Website zu erstellen.
Das bedeutet, dass jeder die Möglichkeit hat, die Cookie-Einstellungen in seinem Webbrowser selbst zu ändern.
Wenn Sie dem nicht zustimmen, bitten wir Sie, die Einstellungen in Ihrem Browser zu ändern oder die Website zu verlassen. Die weitere Nutzung der Website ohne Änderung der Browser-Einstellungen bedeutet die Zustimmung zur Verwendung von Cookies.

Bitte nehmen Sie auch unsere Datenschutzrichtlinie zur Kenntnis, die detaillierte Informationen zur Verarbeitung personenbezogener Daten enthält.
Das Schließen der Mitteilung und/oder die weitere Nutzung der Website wird als Zustimmung zur Datenverarbeitung gemäß der Datenschutzrichtlinie gewertet.

TYRION
Analyse von intraoperativen Bildern

Die Hauptfunktionalität des TYRION-Systems besteht darin, eine Analyse von intraoperativen Röntgenbildern durchzuführen. Das Ergebnis dieser Analyse ist die Bestimmung der Bedeutung des Tumors im intraoperativen Röntgenbild und die Berechnung des Schnittrandabstands – also der minimalen Entfernung des Tumors vom Schnittrand.

Experten sind der Ansicht, dass die Datenerhebung und das angemessene Training von Algorithmen die wichtigsten Phasen bei der Entwicklung von Bildgebungslösungen in der Medizin sind. Die Arbeit mit realen Daten, die während tatsächlich durchgeführter Operationen aus der klinischen Umgebung gewonnen wurden, ist absolut entscheidend, damit das fertige System Ärzte unterstützen und nicht ablenken kann.

Bisher haben wir über hunderttausend Bilder von Brustgewebe (einzeln gescannte Röntgenbilder, die Teil einer dreidimensionalen Tomosynthese sind) gesammelt, die von unserem Team auf Qualität und diagnostischen Wert überprüft wurden. Anschließend wurden diese Daten von einem Team aus Ärzten und qualifizierten Fachleuten gekennzeichnet und von Radiologie-Experten erneut überprüft, um jegliche Unstimmigkeiten zu vermeiden. Um den gesamten Prozess zu beschleunigen und die Kommunikation zwischen dem Markierenden und dem überprüfenden Arzt zu verbessern, haben wir eine eigene Anwendung entwickelt, die auf Machine-Learning-Algorithmen basiert und speziell für die Markierung von Röntgenbildern des Brustgewebes mit Unterscheidung von Tumorgewebe und Mikroverkalkungen entwickelt wurde.

  • Czcionka
  • Kontrast
  • Reset