Blog

Blog

Ultima Blog

Industrializzare l'AI nel medical imaging: dall'integrazione DICOM all'orchestrazione dei modelli per trasformare un algoritmo in una soluzione utilizzabile nei workflow clinici.

Tutti gli articoli

Esempio di codice e struttura di un progetto PyScript

Python nel browser: esplorando le potenzialità di PyScript

Scopri le potenzialità di PyScript per portare Python nel browser tramite WebAssembly. Vantaggi, limiti e ambiti di applicazione per il web.
HL7 integration

HL7 Integration nei software medicali 

FHIR Integration per piattaforme healthcare

FHIR Integration per piattaforme healthcare 

Immagine per articolo: pre-processing immagini medicali

Pipeline Proprietarie, Zero Allucinazioni: Pre-Processing Medicale con gli Algoritmi Genetici

Il pre-processing immagini medicali basato su modelli deep learning introduce elevati rischi di allucinazioni visive e problemi di conformità normativa a causa della natura black-box delle reti neurali. L'utilizzo degli algoritmi genetici risolve queste criticità, offrendo un'ottimizzazione automatica, deterministica e totalmente interpretabile che garantisce la massima accuratezza diagnostica e l'autonomia dai costruttori.
PAC e DICOM nell'imaging medicale

PACS e DICOM: differenze, integrazione e workflow imaging 

Imaging medicale e DICOM

Protocollo DICOM: sfide e best practice nell’imaging medicale

Copertina articolo tecnico sul linguaggio Nix

Introduzione alla programmazione funzionale col linguaggio Nix

architetture visualizzazione 3d

Architetture Visualizzazione 3D: Analisi Comparativa tra SSR e CSR

Dal PACS alla segmentazione dentale AI: integrazione di TotalSegmentator + ToothFairy in DICOM Vision®

Dal PACS alla segmentazione dentale AI: con DICOM Vision integriamo TotalSegmentator e ToothFairy in un workflow DICOM-native, più fluido, controllato e vicino ai processi reali di imaging medicale. Un approccio che riduce i passaggi manuali e rende l’AI più facile da usare, visualizzare e revisionare.