Segmentierung von Röntgenanomalien und Fehlererkennung
Deep Learning-basierte Tools helfen bei der Erkennung und Segmentierung von Anomalien in Röntgenbildern
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Die Suche nach biologischen Anomalien auf Röntgenaufnahmen, im Ultraschall und MRT erforderte bisher die Flexibilität eines menschlichen Prüfers. Heute können Deep Learning-basierte Fehlererkennungs- und Segmentierungstools dabei helfen, Anomalien in medizinischen Bildern schnell und präzise zu identifizieren. Ob bei der Suche nach einer bestimmten Anomalie oder einer Abweichung vom normalen Erscheinungsbild des Körpers - Cognex Deep Learning vereint die Flexibilität eines menschlichen Prüfers mit der Geschwindigkeit und Robustheit eines computerbasierten Systems.
Das Defekterkennungs-Tool kann verwendet werden, um ein medizinisches Röntgenbild zu überprüfen oder Fehler in einem Ultraschallbild zu erkennen. Das Defekterkennungs-Tool entwickelt mittels Training an einer Reihe von Musterbildern ein Referenzmodell des normalen Erscheinungsbildes des Organs sowie bestimmter Anomalien. Anomalien, die von der normalen Physiologie der Zielzone abweichen, werden in der computerunterstützten CAD-Diagnose durch einen radiologischen Facharzt als Fehler gekennzeichnet.
