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




Un algoritmo de IA detecta el cáncer de mama en las imágenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 24 Apr 2019
Print article
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Un equipo de investigadores del Centro de Cáncer Memorial Sloan Kettering (Nueva York, NY, EUA) capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. Según los investigadores, el algoritmo utiliza el aprendizaje profundo, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (IA), para identificar tumores en las imágenes de RM de mama y podría ahorrar tiempo sin comprometer la exactitud.

Los investigadores utilizaron una red neuronal para clasificar segmentos de las imágenes de RM y extraer las características. El algoritmo aprendió a hacer esto por sí solo y el uso del aprendizaje profundo eliminó la necesidad de decirle explícitamente a la computadora qué es lo que debía buscar. Los investigadores probaron el algoritmo procesando imágenes de RM de 277 mujeres, clasificando segmentos dentro de estas imágenes como mostrando o no mostrando tumor. El algoritmo logró una exactitud del 93% en un conjunto de pruebas, mientras que la sensibilidad y especificidad para la detección de tumores fueron del 94% y 92%, respectivamente.

Los investigadores creen que el algoritmo, si está integrado en el flujo de trabajo clínico, tiene el potencial de mejorar la eficiencia de los radiólogos. También podría ahorrar tiempo durante las juntas de tumores al desplazarse automáticamente a los cortes de RM de la mama que muestran lesiones de cáncer, eliminando así el tiempo que de lo contrario se gastaría desplazando manualmente estos cortes. Sin embargo, los investigadores han advertido que el aprendizaje profundo no puede proporcionar la solución completa y que las personas tendrían que trabajar con algoritmos de aprendizaje profundo para alcanzar su potencial.

“La forma en que se integrarán las herramientas de inteligencia artificial en nuestra práctica diaria aún es incierta”, dijo Eskreis-Winkler, MD, quien presentó los datos en el reciente Simposio de Imágenes Mamarias de la Sociedad para Imágenes Mamarias (SBI)/Colegio Americano de Radiología (ACR) . “Así que hay una gran oportunidad para que seamos creativos y proactivos, con el fin de encontrar maneras de aprovechar el poder de la IA para convertirnos en mejores radiólogos y servir mejor a nuestros pacientes”.

Enlace relacionado:
Centro de Cáncer Memorial Sloan Kettering

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ceiling-Mounted Digital Radiography System
Radiography 5000 C
New
Ultrasound Table
Ergonomic Advantage (EA) Line
C-Arm with FPD
Digiscan V20 / V30

Print article
Radcal

Canales

RM

ver canal
Imagen: Resonancia magnética 4D Flow permite una evaluación in vivo sin obstáculos de la velocidad de la sangre 3D resuelta en el tiempo (Fotografía cortesía de la Universidad Northwestern)

Resonancia magnética 4D podría mejorar evaluación clínica de anomalías del flujo sanguíneo del corazón

La resonancia magnética (RMN) utiliza imanes y radiofrecuencia pulsada para generar imágenes por computadora para detectar y diagnosticar afecciones médicas. La resonancia magnética... Más

Medicina Nuclear

ver canal
Imagen: PET/CT de un paciente masculino de 60 años con sospecha clínica de cáncer de pulmón (Fotografía cortesía de  EJNMMI Physics)

Adquisición temprana de PET FDG dinámica de 30 minutos podría reducir a la mitad tiempos de exploración pulmonar

Las exploraciones PET FDG F-18 son una forma de observar el interior del cuerpo utilizando un tinte especial, y estas exploraciones pueden ser estáticas o dinámicas. Las exploraciones estáticas... 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.