Titel
Accueil
Navigation principale
Contenu
Recherche
Aide
Fonte
Standard
Gras
Identifiant
Interrompre la session?
Une session sous le nom de
InternetUser
est en cours.
Souhaitez-vous vraiment vous déconnecter?
Interrompre la session?
Une session sous le nom de
InternetUser
est en cours.
Souhaitez-vous vraiment vous déconnecter?
Accueil
Plus de données
Partenaires
Aide
Mentions légales
D
F
E
La recherche est en cours.
Interrompre la recherche
Recherche de projets
Projet actuel
Projets récents
Graphiques
Identifiant
Titel
Titel
Unité de recherche
INNOSUISSE
Numéro de projet
136.237 INNO-LS
Titre du projet
AI-powered exam recognition for radiology billing
Titre du projet anglais
AI-powered exam recognition for radiology billing
Données de base
Textes
Participants
Titel
Textes relatifs à ce projet
Allemand
Français
Italien
Anglais
Mots-clé
-
-
-
Résumé des résultats (Abstract)
-
-
-
Textes saisis
Catégorie
Texte
Mots-clé
(Anglais)
Life sciences, Medtech
Résumé des résultats (Abstract)
(Anglais)
Radiology teams spend significant time on manual billing instead of patient care. Smartibex AI and HEPIA (Prof. G. Chanel) conduct a feasibility study using multimodal deep learning to identify CT exam types from images and metadata, paving the way for AI-powered TARDOC-compliant billing.
SEFRI
- Einsteinstrasse 2 - 3003 Berne -
Mentions légales