Volver a Buscador de AI
- Liu K, et al. Evaluating a Fully Automated Pulmonary Nodule Detection Approach and Its Impact on Radiologist Performance. Inteligencia artificial en radiología. 2019;1(3):e180084.
- Wang Y, et al. IILS: Sistema inteligente de disposición de imágenes para la estandarización automática de informes de imágenes y la optimización del flujo de trabajo clínico intra-inter-disciplinario. EBioMedicine. 2019;44:162-81.
- Wang L, et al. Hacia una evaluación estandarizada previa a la comercialización de productos de diagnóstico/detección asistida por ordenador: perspectivas de los productos aprobados por la FDA. Expert Rev Med Devices. 2020;17(9):899-918.
- Li K, et al. Assessing the predictive accuracy of lung cancer, metastases, and benign lesions using an artificial intelligence-driven computer aided diagnosis system. Quant Imaging Med Surg. 2021;11(8):3629-42.
- Zhang Y, et al. Lung Nodule Detectability of Artificial Intelligence-assisted CT Image Reading in Lung Cancer Screening. Curr Med Imaging. 2021.
- Jiang B, et al., Deep learning reconstruction shows improved lung nodule detection in ultra-low-dose Chest CT. Radiology. 2021.
- Yang K, et al. Identificación de nódulos pulmonares benignos y malignos en la TC de tórax utilizando un marco mejorado de aprendizaje profundo 3D U-Net. Eur J Radiol. 2020;129:109013.
InferRead CT Lung
InferRead CT Lung es una solución de procesamiento para la detección del cáncer de pulmón. Reconoce las características principales del cáncer de pulmón, determina las características de los nódulos pulmonares sospechosos en diferentes secuencias de imágenes y tiene como objetivo ayudar al diagnóstico en fase temprana.
Esta solución proporciona información sobre el tipo de nódulos (sólidos, calcificados, GGN, semisólidos, etc.), la localización de cada lesión (capa y localización anatómica), la densidad, el crecimiento del volumen del nódulo (VDT), el grado de malignidad y un borrador de informe.
La aplicación ha sido entrenada con cientos de miles de exámenes para garantizar su precisión, solidez y generalización.
InferRead CT Lung pretende aumentar la proporción de diagnósticos de cáncer de pulmón en fase temprana, así como mejorar su eficacia diagnóstica. Los médicos pueden utilizar InferRead CT Lung como lector simultáneo junto a sus estaciones de trabajo.
Aplicaciones y enfermedades
Detección, clasificación y cuantificación de nódulos pulmonares.
Evaluación del crecimiento del volumen, recomendaciones de las directrices, generación de informes, análisis de múltiples puntos temporales.
Detección de hallazgos incidentales.
Reconstrucción y visualización en 3D para la planificación de la cirugía.
Patologías detectables
Beneficios
Validado a través de nuestros estudios prospectivos de múltiples lectores y casos (MRMC), InferRead CT Lung ha demostrado su capacidad para reducir hasta en un 30 % el tiempo de lectura del examen y hasta en un 35 % los nódulos omitidos por los radiólogos. InferRead CT Lung se utiliza actualmente en cientos de hospitales y centros de diagnóstico por imagen de todo el mundo. Es altamente compatible con los sistemas heredados y acepta imágenes de TC de tórax de PACS, RIS o directamente de un escáner de TC.
Referencias
- Liu K, et al. Evaluating a Fully Automated Pulmonary Nodule Detection Approach and Its Impact on Radiologist Performance. Inteligencia artificial en radiología. 2019;1(3):e180084.
- Wang Y, et al. IILS: Sistema inteligente de disposición de imágenes para la estandarización automática de informes de imágenes y la optimización del flujo de trabajo clínico intra-inter-disciplinario. EBioMedicine. 2019;44:162-81.
- Wang L, et al. Hacia una evaluación estandarizada previa a la comercialización de productos de diagnóstico/detección asistida por ordenador: perspectivas de los productos aprobados por la FDA. Expert Rev Med Devices. 2020;17(9):899-918.
- Li K, et al. Assessing the predictive accuracy of lung cancer, metastases, and benign lesions using an artificial intelligence-driven computer aided diagnosis system. Quant Imaging Med Surg. 2021;11(8):3629-42.
- Zhang Y, et al. Lung Nodule Detectability of Artificial Intelligence-assisted CT Image Reading in Lung Cancer Screening. Curr Med Imaging. 2021.
- Jiang B, et al., Deep learning reconstruction shows improved lung nodule detection in ultra-low-dose Chest CT. Radiology. 2021.
- Yang K, et al. Identificación de nódulos pulmonares benignos y malignos en la TC de tórax utilizando un marco mejorado de aprendizaje profundo 3D U-Net. Eur J Radiol. 2020;129:109013.
Otras herramientas
