Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Red neural artificial mejora la detección del cáncer de próstata

Por el equipo editorial de MedImaging en español
Actualizado el 06 May 2019
Print article
Imagen: Las nuevas investigaciones sugieren que la inteligencia artificial pronto hará redundantes a los radiólogos (Fotografía cortesía de 123rf.com).
Imagen: Las nuevas investigaciones sugieren que la inteligencia artificial pronto hará redundantes a los radiólogos (Fotografía cortesía de 123rf.com).
Un sistema nuevo de inteligencia artificial (IA) identifica y predice la agresividad del cáncer de próstata (CaP) con el mismo nivel de exactitud que los radiólogos experimentados.

Desarrollado en la Universidad de California, Los Ángeles (UCLA; EUA), FocalNet es una red neuronal convolucional (CNN) que utiliza un algoritmo con más de un millón de variables que se pueden entrenar. La CNN se entrenó con el uso de imágenes de resonancia magnética multiparamétricas (mp-RM) de 417 hombres con CaP antes de la prostatectomía laparoscópica asistida por robot (RALP). Para aprender cómo clasificar la agresividad del tumor utilizando la puntuación de Gleason (GS), los resultados se compararon con la muestra de patología real. Luego compararon los resultados del sistema de IA con las lecturas de los radiólogos de UCLA que tenían más de 10 años de experiencia.

Los resultados revelaron que en el análisis de las características operativas del receptor de respuesta libre (FROC) para la detección de lesiones, FocalNet mostró una sensibilidad del 89,7% y 87,9% para las lesiones índice y las lesiones clínicamente significativas, respectivamente. Con la comparación con el desempeño prospectivo de los radiólogos que utilizan las guías de diagnóstico actuales, FocalNet demostró una sensibilidad de detección para lesiones clínicamente significativas (80,5%) comparable a la de los radiólogos con al menos 10 años de experiencia (83,9%). El estudio se presentó en el Simposio Internacional IEEE sobre Imágenes Biomédicas (ISBI), que se realizó en abril de 2019 en Venecia (Italia).

“La RM multiparamétrica se considera la mejor modalidad de imagenología no invasiva para diagnosticar el cáncer de próstata. Sin embargo, la mp-RM para el diagnóstico del CaP está actualmente limitada por los criterios de interpretación cualitativos o semicuantitativos, generando una variabilidad entre los diferentes lectores y una capacidad subóptima para evaluar la agresividad de la lesión”, concluyeron el autor principal, Kyunghyun Sung, del departamento de radiología de UCLA y colegas. “Las CNN son un método poderoso para aprender automáticamente las características discriminatorias para varias tareas, incluida la detección del cáncer”.

Las CNN utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y conversión de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
Universidad de California, Los Ángeles

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Self-Driving Mobile C-arm
CIARTIC Move
New
Color Doppler Ultrasound System
DRE Crystal 4PX
New
Ultrasound Doppler System
Doppler BT-200

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.