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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Modelo de RM con IA clasifica los tumores intracraneales comunes

Por el equipo editorial de MedImaging en español
Actualizado el 15 Sep 2021
Imagen: Los colores de los mapas de color de GradCAM muestran la predicción de tumores (Fotografía cortesía de WUSTL)
Imagen: Los colores de los mapas de color de GradCAM muestran la predicción de tumores (Fotografía cortesía de WUSTL)
Un estudio nuevo afirma que un modelo 3D de inteligencia artificial (IA) es capaz de clasificar un tumor cerebral como uno de los seis tipos comunes a partir de un solo examen de resonancia magnética (RM).

Para desarrollar el algoritmo GradCAM, investigadores de la Universidad de Washington (WUSTL; St. Louis, MO, EUA), utilizaron 2.105 exámenes de resonancia magnética ponderadas en T1 de cuatro conjuntos de datos disponibles públicamente, divididos en capacitación (1.396), interna (361) y conjuntos de datos externos (348). Se entrenó una red neuronal convolucional (CNN) para discriminar entre exámenes sanos y aquellos con tumores, clasificados por tipo (glioma de alto grado, glioma de bajo grado, metástasis cerebrales, meningioma, adenoma hipofisario y neuroma acústico). A continuación, se evaluó el desempeño del modelo y se trazaron mapas de características para visualizar la atención de la red.

Los resultados de las pruebas internas mostraron que GradCAM logró una exactitud del 93,35% en siete clases de imágenes (una clase saludable y seis clases de tumores). Las sensibilidades variaron del 91% al 100% y el valor predictivo positivo (VPP) varió del 85% al 100%. El valor predictivo negativo (VPN) osciló entre el 98% y el 100% en todas las clases. La atención de la red se superpuso con las áreas tumorales para todos los tipos de tumores. Para el conjunto de datos de la prueba externa, que incluyó solo dos tipos de tumores (glioma de alto grado y glioma de bajo grado), GradCAM tuvo una exactitud del 91,95%. El estudio fue publicado el 11 de agosto de 2021 en la revista Radiology: Artificial Intelligence.

“Estos resultados sugieren que el aprendizaje profundo es un método prometedor para la clasificación y evaluación automatizadas de tumores cerebrales. El modelo logró una alta exactitud en un conjunto de datos heterogéneo y mostró excelentes capacidades de generalización en datos de prueba invisibles”, dijo el autor principal, Satrajit Chakrabarty, MSc, del departamento de ingeniería eléctrica y de sistemas. “Esta red es el primer paso hacia el desarrollo de un flujo de trabajo de radiología aumentado con inteligencia artificial que puede respaldar la interpretación de imágenes al proporcionar información cuantitativa y estadísticas”.

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA basados en representaciones de datos de aprendizaje, a diferencia de los algoritmos específicos de tareas. Se trata de algoritmos de CNN que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción, conversión y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
Universidad de Washington

Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
New
Mammography System (Analog)
MAM VENUS
X-ray Diagnostic System
FDX Visionary-A
Multi-Use Ultrasound Table
Clinton

Canales

Radiografía

ver canal
Imagen: un algoritmo de aprendizaje profundo detecta los niveles de calcio en la arteria coronaria en tomografías computarizadas de tórax (foto cortesía de Adobe Stock)

IA detecta enfermedades cardíacas ocultas en TC de tórax existentes

El calcio en la arteria coronaria (CAC) es un indicador importante del riesgo cardiovascular, pero su evaluación suele requerir una tomografía computarizada (TC) especializada (gated) que... Más

Ultrasonido

ver canal
Imagen: el nuevo dispositivo implantable para el tratamiento del dolor crónico es pequeño y flexible (foto cortesía de The Zhou Lab at USC)

Dispositivo inalámbrico para el manejo del dolor crónico reduce la necesidad de analgésicos y cirugía

El dolor crónico afecta a millones de personas en todo el mundo, lo que a menudo provoca discapacidad a largo plazo y dependencia de opioides, los cuales conllevan riesgos importantes de efectos... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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 © 2000-2025 Globetech Media. All rights reserved.