Low-Dose CT des Thorax eines Patienten mit einem pneumonischen Infiltrat des Mittellappens. Ursprüngliches Bild mit 80kVp, 15 mAs, Strahlendosis 0,2 mGy (links unten). Bearbeitung mit Pixelshine (links oben). Ein vergleichbares Bild würde mit ca. 120 kVp, 150 mAs und einer Strahlendosis von ca. 8 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um mehr als 95 % verringert.
Low-Dose CT des Abdomen. Ursprüngliches Bild mit 120kVp, Schichtdicke 1,25 mm, Strahlendosis 1,7 mGy (Mitte unten). Bearbeitung mit Pixelshine (Mitte oben). Ein vergleichbares Bild würde mit einer Strahlendosis von ca. 10 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um mehr als 80 % verringert.
CT des Gehirns. Ursprüngliches Bild mit 120kVp, Schichtdicke 0,625 mm, Strahlendosis 11 mGy (rechts unten). Bearbeitung mit Pixelshine (rechts oben). Ein vergleichbares Bild würde mit einer Strahlendosis von ca. 40 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um ca. 75 % verringert.
Die Medizin erzeugt seit einigen Jahren deutlich mehr Strahlendosis, als es die natürliche Strahlung aus dem Kosmos und der Erde je getan hatte. Der Hauptgrund hierfür ist der konstant zunehmende radiologische Einsatz der Computertomografie (CT). Gerade weil die CT in nahezu allen diagnostischen Bereichen weitgehend unerlässlich für die adäquate Patientenbetreuung ist und auch bleiben wird, liegt es an uns, das längst nachgewiesene strahleninduzierte Krebsrisiko auf dem niedrigsten möglichen Niveau zu halten.
Mit grosser Freude präsentieren wir Ihnen PixelShine, einen AI-Assistenten für die Reduzierung der CT-Strahlendosis.
Warum PixelShine bedeutend ist
Sowohl im Spital als auch im radiologischen Institut wird darauf geachtet, jedem Patienten nur die notwendige Strahlendosis zu verabreichen. Diese Low-Dose CT-Protokolle erzeugen allerdings nahezu immer fast immer verrauschte Bilder, und die CT-Untersuchungen sind selbst für Fachärzte oft schwierig zu interpretieren. Darüber hinaus müssen Radiologen häufig CT-Studien von CT-Geräten unterschiedlicher Hersteller betrachten, was zu Unannehmlichkeiten und Verzögerungen im Workflow beiträgt.
PixelShine ermöglicht zweierlei: Zum einen können Low-Dose-CT-Untersuchungen für alle Patienten im Sinne eines optimalen Strahlenschutzes durchgeführt werden, zum anderen generiert PixelShine aus diesen Bildern mit einem hohen Bildrauschen anschließend eine deutlich verbesserte Qualität, beispielsweise bei adipösen Patienten. Zweitens wird die Lebensdauer von CT-Geräten verlängert, indem die Belastung der CT-Röhren reduziert wird.
Wann und wie PixelShine eingesetzt wird
PixelShine kann für Studien jeden CT-Gerätealters und jeden Geräteherstellers verwendet werden. Dieser AI-Assistent verbessert die radiologische Präzision durch die Homogenisierung des Workflows.
CT-Studien mit einem hohen Bildrauschen werden durch PixelShine für Radiologen wieder optimal zu befunden und die radiologische Qualität erfüllt den Anspruch an die diagnostische Aussagekraft.
Weiters können Spitäler und radiologische Institute Low-Dose CT-Studien als Standard durchführen, PixelShine im Post processing integrieren und somit eine hohe konstant Bildqualität erreichen.
Wer profitiert
Patienten, Kliniker, Radiologen und die Geschäftsführung von Spitälern und radiologischen Instituten: Sorgfalt für alle Patienten durch Minimierung der Strahlendosis, klare CT-Bilder, optimale Beurteilbarkeit und Befundbesprechung, Geldersparnis durch die Verlängerung der Lebensdauer von CT-Geräten.
Unsere eigene Erfahrung bei Radailogy
Unsere Kunden senden uns CT-Studien, um die Bildqualität mit PixelShine zu verbessern und eine optimale diagnostische Aussagekraft zu ermöglichen. Sowohl im Einzelfall durch den raschen und einfachen Upload auf Radailogy, als auch als Standard in der täglichen Zusammenarbeit mit unserer Telemedizin.
Auswahl wissenschaftlicher Publikationen
Hata A, Yanagawa M, Yoshida Y, et al. Combination of Deep Learning–Based Denoising and Iterative Reconstruction for Ultra-Low-Dose CT of the Chest: Image Quality and Lung-RADS Evaluation. American Journal of Roentgenology. 2020;215(6):1321-1328.
Steuwe A, Weber M, Bethge OT, et al. Influence of a novel deep-learning based reconstruction software on the objective and subjective image quality in low-dose abdominal computed tomography. BJR. 2021;94(1117):20200677.
Brendlin AS, Plajer D, Chaika M, et al. AI Denoising Significantly Improves Image Quality in Whole-Body Low-Dose Computed Tomography Staging. Diagnostics. 2022;12(1):225.
Hasegawa A, Ishihara T, Thomas MA, Pan T. Noise reduction profile: A new method for evaluation of noise reduction techniques in CT. Medical Physics. 2022;49(1):186-200.
Nagaraj Y, de Jonge G, Andreychenko A, et al. Facilitating standardized COVID-19 suspicion prediction based on computed tomography radiomics in a multi-demographic setting. Eur Radiol. 2022;32(9):6384-6396.
Hasegawa A, Ishihara T, Thomas MA, Pan T. Noise reduction profile: A new method for evaluation of noise reduction techniques in CT. Medical Physics. 2022;49(1):186-200.
Daten zum Upload auf Radailogy
CT-Studien jeden CT-Gerätealters und jeden Geräteherstellers