The higher the quality of the data, the more precise are AI results FUSE-AI's new AI-assisted radiology software Prostate.Carcinoma.ai has the aim to simplify and accelerate the detection of suspicious regions in prostate MRI analysis. In addition, FUSE-AI's AI backbone is applicable to automatic image and data recognition in medicine, pharmaceuticals, and biotechnology. The software…

09-13-2022 Global distribution launched at the G20 Digital Innovation Network The G20 Digital Innovation Network is a high-level forum for sharing knowledge, fostering discussion, and building partnerships between global innovation players. It aims to serve as a bridge for cooperation between different players at the global level.For the last meeting in Bali at the beginning…

31.08.2021 Wir sind sehr froh darüber, drei Schweizer Kliniken für eine multizentrische klinische Studie gewonnen zu haben. Ziel der Studie ist der Nachweis, dass unsere KI-gestützte Software in der medizinische Bildanalyse gegenüber den bisherigen Verfahren gleichwertig oder gar überlegen ist. 

02.08.2021 FUSE-AI entwickelt zusammen mit der Universität Lübeck, dem BG Klinikum und dem Institut für Zukunftsstudien und Technologiebewertung das Projekt KIRMES. Das Bundesministerium für Bildung und Forschung (BMBF) will mit der Hightech-Strategie 2025 das Ideen-/Innovationspotenzial von Start-ups im Bereich Spitzenforschung zu interaktiven Technologien für Gesundheit und Lebensqualität stärken. Start-ups sind Treiber für Innovationen und tragen ganz…

02.08.2021 Vom 7. bis 9. Juli 2021 war Lübeck Gastgeber der diesjährigen MIDL, auf der zahlreiche nationale und internationale Wissenschaftler*innen ihre aktuellen Arbeiten zum Einsatz von Deep Learning in der Medizin vorstellten. Nach London, Montreal und Amsterdam fand die internationale Konferenz nun in Norddeutschland online statt. Die MIDL bringt zum vierten Mal die Community von Deep-Learning-…

05.07.2021 Unsere Ansprüche an Prostate.carcinoma.ai sind hoch. Die Software soll die Prostata erkennen und vermessen, sie in verschiedene Zonen segmentieren und auffällige Bereiche markieren, die auf eine Läsion hinweisen können. Dafür trainieren unsere neuronalen Netze Tag und Nacht mit Deep Learning Methoden. Unmarkierte MRT-Bilder, annotierte MRT-Bilder und zahllose Metadaten durchlaufen verschiedene Algorithmen, wobei Models aus Vorhersagevariablen (Prädiktoren) generiert werden. Diese Models treffen dann eine Entscheidung, die im besten Fall mit den Befunden aus der Radiologie übereinstimmen. Eine große Menge an Trainingsdaten sind neben einem leistungsfähigen KI-Model die Grundvoraussetzung für eine hohe Erkennungsrate und einer niedrigen Falsch-Positiv-Rate. 

Die U.S. Food and Drug Administration FDA hat der Case Western Reserve University die Durchführung klinischer Studien mit einem neuartigen MRT-Kontrastmittel zur Erkennung von Prostatakrebs gestattet. Das auf Gadolinium basierende MT218 soll gleich drei Vorteile mit sich bringen: Aggressive Tumore sollen leichter erkannt, Überbehandlungen und Nebenwirkungen reduziert werden. Die Vorteile von MT218: exakt und schonend MT218 kann die Bildgebungssignale…

Das Zentrale Innovationsprogramm Mittelstand ZIM hat ein F+E Projekt genehmigt, das FUSE-AI mit sechs mittelständischen Partnern eingereicht hat. Dabei geht es um die automatisierte Erhöhung der Sicherheit im privaten und öffentlichen Raum. FUSE-AI übernimmt dabei den Part „Effiziente Überwachung durch intelligente Sensorik“. Dafür wird ein neuronales Netz zur Muster- und Bilderkennung für die Identifizierung von…