Computertomografie: Die wichtigste radiologische Methode mit verbesserter Bildqualität und verringerter Strahlendosis

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, eine AI-Software 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 Geräterherstellers verwendet werden. Diese AI-Software 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.