下载
包含免费完全功能的 7 天试用
适用于所有Meta设备
来自Meta商店
->
适用于有线PC-VR
来自Steam
->
Medicalholodeck AI 通过先进的分割和沉浸式3D可视化支持医疗、教育和患者护理。
教育工作者和学生 通过来自真实患者数据的分割3D模型，获得互动性强的解剖学习体验。
外科医生 使用 Medicalholodeck AI 进行精确规划，在 3D 中探索分割解剖结构，更好地理解和准备复杂的手术过程。*
放射科医生 通过自动分割加速图像解读，快速获得特定结构的结果，减少手动操作并提高效率。*
医院 使用3D模型改善协作、支持治疗决策并简化日常工作流程。*
患者 通过3D可视化更清晰地了解其诊断和治疗，提高知情同意并增强对医疗团队的信任。*
AI分割可以自动检测并分离CT或MRI扫描中的器官、骨骼和组织等解剖结构。与手动绘制每个区域相比，AI模型能通过识别数千张专家标注图像中的模式，在几秒内完成此任务。
这些模型基于深度学习构建，通常使用卷积神经网络（CNN），并在大量匿名DICOM扫描数据上进行训练。一旦训练完成，它们就能逐结构准确地分割新数据。
这加快了放射分析、手术规划和3D模型创建的速度，同时提高了准确性和团队沟通效率。在VR或AR中，它使复杂解剖结构的空间理解更加清晰。
Medicalholodeck AI 将缓慢的手动分割过程转变为快速、精确且沉浸式的体验，帮助专业人员更高效地工作并做出明智决策。
Medicalholodeck 支持越来越多由领先机构和AI框架开发的高性能分割模型，以满足多样化医学影像需求并提供精准高效的结果。
目前支持并持续更新以下模型：
在CT图像中稳健检测117个器官和结构（1.5mm分辨率）。该模型由巴塞尔大学医院的研究与分析部门创建，并作为公开模型提供 TotalSegmentator.
在CT图像中快速且稳健地检测117个器官和结构（3mm分辨率）。该模型由巴塞尔大学医院研究与分析部门创建，并作为公开模型提供 TotalSegmentator.
在MRI图像中稳健检测56个器官和结构（1.5mm分辨率）。该模型由巴塞尔大学医院研究与分析部门创建，并作为公开模型提供 TotalSegmentator.
稳健检测肺部血管、气管和支气管。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
稳健检测身体、躯干、皮肤和四肢。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测头部腺体腔。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测头部肌肉。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测颈部骨骼和血管。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测颈部肌肉。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测冠状动脉。这些模型并未使用完整的totalsegmentator数据集训练，而是使用了一些较小的数据集，因此其稳健性可能较低。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
pages.aiNew.aimodelsCerebralText TotalSegmentator.
检测胸膜和心包积液。这些模型并未使用完整的totalsegmentator数据集训练，而是使用一些较小的数据集，因此可能不够稳健。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测髋关节植入物。这些模型并未使用完整的totalsegmentator数据集进行训练，而是使用了一些较小的数据集，因此其鲁棒性可能较差。该模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测肝脏血管和肿瘤。这些模型并未使用完整的totalsegmentator数据集进行训练，而是使用了较小的数据集，因此稳健性可能较差。模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
检测动眼肌。这些模型并未使用完整的totalsegmentator数据集进行训练，而是使用较小的数据集，因此其鲁棒性可能较差。模型由巴塞尔大学医院研究与分析部门创建，并作为项目的一部分公开发布 TotalSegmentator.
在CT图像中对104个解剖结构进行稳健分割。该模型由MONAI团队创建，并作为项目的一部分公开发布 MONAI Model Zoo.
从T1W MRI图像中分割出133个结构。模型由范德堡大学与MONAI团队联合创建，并作为项目的一部分公开发布 MONAI Model Zoo.
从CT图像中进行13个结构的多器官分割。该模型由MONAI团队创建，并作为项目的一部分公开发布 MONAI Model Zoo.
从CT图像中分割胰腺及其肿瘤。该模型由MONAI团队创建，并作为项目的一部分公开发布 MONAI Model Zoo.
从MRI图像中分割前列腺。该模型由Keno Bressem创建，并作为项目的一部分公开发布 MONAI Model Zoo.
从CT图像中分割脾脏。该模型由MONAI团队创建，并作为项目的一部分公开发布 MONAI Model Zoo.
使用 DeepEdit 从 CT 图像中分割脾脏。该模型由 MONAI 团队创建，并作为项目的一部分公开发布 MONAI Model Zoo
Medicalholodeck 提供直观的工具，使您能够快速、高效、协同地处理分割的医学数据，无论是手术规划、教学还是临床病例审查。*
快速切换特定器官或区域的可见性，以隔离特定解剖结构并集中分析。
通过保存AI和可视化设置的智能预设节省时间并确保一致性。
直接在模型中执行精确的3D测量，以进行准确和详细的分析。
并排显示和比较多个数据集，以评估变化并跟踪长期结果。
协作 与同事、学生或远程团队实时协作。在虚拟环境中共享会话以共同探索和讨论案例。
使用集成功能捕捉会话 RXR 功能 以便轻松回放。保存工作、导出设置，并在本地或机构之间安全共享案例。
Medicalholodeck 支持自定义模型集成，使您能够使用机构训练的或第三方AI引擎。 联系我们 讨论您的配置。
集成选项
云端使用
在Medicalholodeck云平台上安全运行分割，无需安装，始终保持最新，可跨设备访问。
本地使用
在高性能PC或服务器上本地执行分割，所有数据均保留在本地，无需互联网连接。
企业集成选项
可与医院系统、PACS或自定义AI模型集成。支持API访问和本地部署。
如需安装和部署支持，请通过以下方式联系我们： support@medicalholodeck.com
速度
AI分割通常在60秒内完成，几乎可以立即访问高质量的3D模型，简化临床和教学工作流程。
准确性
Medicalholodeck 的AI模型基于大量专家注释的数据进行训练，确保在常见影像场景中实现一致、高精度的结果。
合规性
所有处理过程均以数据安全为核心，严格遵守隐私法规，完全符合GDPR和HIPAA的临床使用要求。
