Deep Resolve

Deep Resolve

IRM – Plus rapide que jamais

MR - Deep Resolve -  Webinar Promotion

In our Deep Resolve Knowledge Hub, you will learn how you no longer sacrifice high image quality for acquisition speed. You will find a deep dive into the usability of our deep learning reconstruction technology and clinical examples that demonstrate excellent image quality and acquisition speed. In addition, you will hear from clinical users how Deep Resolve redefined MRI in their clinical practice.


Deep Resolve1 est une technologie de reconstruction des images qui fait appel à l'intelligence artificielle en utilisant les réseaux de neurones convolutifs pour accélérer les acquisitions IRM. Pour une imagerie du cerveau, les acquisitions sont plus rapides de 70 % par exemple, les rendant plus rapides que jamais. Des examens plus rapides augmentent l'efficacité du flux de travail tout en améliorant le confort des patients. La reconstruction des images à partir de données brutes et l'acquisition très rapide avec Deep Resolve changent la donne en IRM et génèrent des informations diagnostiques importantes. La technologie Deep Resolve, c'est un pas en avant vers un monde plus sain pour tous.  

Deep Resolve Gain est une méthode ciblée de débruitage améliorant le rapport S/B des images en IRM. Elle utilise les données IRM acquises pour générer une carte du bruit qui reflète les variations du bruit dans l'espace. Cette carte du bruit est le début d'un processus itératif de réduction ciblée du bruit tenant compte des variations locales du bruit dans l'image, dues par exemple à la géométrie des antennes. 

Deep Resolve Boost est notre technologie par apprentissage profond qui reconstruit des images à partir de données brutes. Elle permet d'accélérer l'acquisition d'images à partir de mesures ayant un rapport signal sur bruit (S/B) élevé. Deep Resolve Boost s'applique à tous les examens de la tête aux pieds et peut être combinée à notre technique multicoupe Simultaneous Multi-Slice (SMS) pour une accélération encore plus élevée. Un examen complet du genou est réalisable avec une acquisition de moins de deux minutes, sans perte de résolution d'image.

Le réseau neuronal au cœur de Deep Resolve Sharp améliore la netteté et la résolution des images. Une méthode d'entraînement utilisant un grand nombre de paires de données IRM de faibles et de hautes résolutions a été appliquée à Deep Resolve Sharp qui peut à présent reconstruire une image nette à partir de données de faible résolution. Cependant, la cohérence avec les données brutes acquises est garantie jusqu'au processus de reconstruction d'image final pour obtenir des résultats robustes.

Deep Resolve Swift Brain est une solution d'acquisition de neurologie qui utilise une approche d'imagerie écho planaire (EPI) multi-shot. Elle permet de réaliser un examen neurologique avec une durée d'acquisition de moins de deux minutes, sans aucun compromis sur la qualité de l'image. Une nouvelle méthode de correction statique du champ réduit les distorsions géométriques inhérentes à l'imagerie EPI. La reconstruction avec apprentissage profond fournit des images haute résolution cohérentes, à une vitesse d'acquisition élevée et des contrastes pertinents en un seul passage.

deep resolve infographic

Vous souhaitez en apprendre plus sur les quatre technologies Deep Resolve ?

Deep Resolve - ReconPro

Pouvez-vous résoudre des énigmes plus rapidement que notre technologie d'apprentissage en profondeur Deep Resolve ?

Applications cliniques

Exemples tirés de la pratique clinique

MR - Deep Resolve -  Webinar Promotion

Notre technologie de reconstruction avec apprentissage profond Deep Resolve permet à tous les utilisateurs d'accélérer leurs acquisitions IRM, les rendant plus rapides que jamais. Dans notre webcast "Boost your MRI productivity with Deep Resolve", Saif Afat, M.D. de la clinique universitaire de Tuebingen (Allemagne) et John Conklin, M.D. du MGH (États-Unis) partagent leur expérience de l'amélioration de l'efficacité des flux de travail et des soins aux patients par Deep Resolve.

1
2
3
4
5