Imágenes nítidas, claras y definidas. Con baja dosis.

Aprovechando el enorme poder computacional de una Red Neuronal Convolucional Profunda (DCNN), AiCE (Advanced Intelligent Clear-IQ Engine) está capacitado para diferenciar la señal del ruido, de modo que el algoritmo puede suprimir el ruido mientras mejora la señal. Debido a que está entrenado con MBIR avanzado, presenta una alta resolución espacial. Pero a diferencia de MBIR, AiCE deep learning reconstruction supera los desafíos (apariencia de la imagen y/o velocidad de reconstrucción) de la práctica clínica..

AiCE deep learning reconstruction – Características:

  • Nuestra mejor resolución de bajo contraste. 1,3
  • Dosis neutra de ultra alta resolución, líder en la industria2
  • Detectabilidad de bajo contraste, ruido y resolución espacial mejorados en relación con la reconstrucción híbrida iterativa
  • Textura de ruido de imagen más similar a FBP en comparación con la reconstrucción de MBIR3
  • Rápida reconstrucción
  • Flujo de trabajo sencillo

1 1.5mm @ 0.3%, 22 mGy
2 Aquilion Precision, Dosis neutra entre un modo de resolución ultra alta con AiCE y una modo de resolución norma lcon la reconstrucción híbrida iterativa. 
3 Aquilion ONE / GENESIS Edition

Redefiniendo el equilibrio entre IQ, velocidad y dosis.

Rápida velocidad de reconstrucción:

  • De 3 a 5 veces más rápido que MBIR1

Alta calidad de imagen:

  • Resolución espacial mejorada comparado con AIDR 3D
  • Detectabilidad de Bajo Contraste mejorada comparado con AIDR 3D
  • Apariencia del ruido de la imagen de mayor similitud al método FBP (Filtered Back Projection)1

1En comparación con MBIR, sólo aplicable a AiCE en Aquilion ONE / GENESIS Edition

Low Contrast Detectability*

Body, Lung and Cardiac

*Aquilion ONE / GENESIS Edition

 

 

 

Whitepaper

AiCE Deep Learning Reconstruction:
Bringing the power of Ultra-High Resolution CT to routine imaging

Kirsten Boedeker, PhD, DABR
Senior Manager,　Medical Physics
Canon Medical Systems Corporation

Haga clic

Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT

Authors: Motonori Akagi et al.
Journal: European Radiology
Published: 11/04/2019
Copyright: European Society of Radiology 2019

Descargar