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




Nueva técnica mejora calidad de imágenes médicas

Por el equipo editorial de MedImaging en español
Actualizado el 19 Apr 2018
Imagen: Imágenes de resonancia magnética reconstruidas a partir de los mismos datos con los métodos convencionales (I) y AUTOMAP (D) (Fotografía cortesía de MGH).
Imagen: Imágenes de resonancia magnética reconstruidas a partir de los mismos datos con los métodos convencionales (I) y AUTOMAP (D) (Fotografía cortesía de MGH).
Una nueva técnica basada en inteligencia artificial (IA) y aprendizaje automático podría permitir a los médicos adquirir imágenes de alta calidad a partir de datos limitados.

Desarrollada en el Hospital General de Massachusetts (MGH, Boston, EUA), la nueva técnica de manipulación de imágenes, denominada transformación automatizada por aproximación múltiple (AUTOMAP), ofrece un marco unificado para la reconstrucción de imágenes volviéndola una tarea de aprendizaje supervisado, que permite el mapeo entre el sensor y el dominio de la imagen para emerger de un cuerpo apropiado de datos de entrenamiento. Para desarrollar AUTOMAP, los investigadores aprovecharon los muchos avances realizados en los modelos de redes neuronales utilizados para la IA.

La mejora en las unidades de procesamiento gráfico (GPU) que impulsan las operaciones también contribuyó a la capacitación de algoritmos de reconstrucción de imágenes como AUTOMAP, ya que requieren una gran cantidad de cálculos, especialmente durante la fase de entrenamiento. Otro factor fue la disponibilidad de grandes conjuntos de datos, conocidos como “big data”, que son necesarios para capacitar a los grandes modelos de redes neuronales. El resultado global es una inmunidad superior al ruido y una reducción en los artefactos de reconstrucción, en comparación con los métodos de reconstrucción artesanales convencionales.

AUTOMAP también ofrece una serie de beneficios potenciales para la atención clínica, incluso más allá de producir imágenes de alta calidad en menos tiempo con imágenes de resonancia magnética (RM) o con dosis más bajas de rayos X, tomografía computarizada (TC) y tomografía por emisión de positrones (TEP). Debido a su velocidad de procesamiento, la técnica podría ayudar a tomar decisiones en tiempo real sobre los protocolos de imágenes mientras el paciente todavía está dentro del escáner. Según los investigadores, la técnica AUTOMAP no hubiera sido posible hace cinco años, o tal vez incluso hace un año. El estudio fue publicado el 21 de marzo de 2018 en la revista Nature.

“El método convencional para la reconstrucción de imágenes utiliza una cadena de módulos de procesamiento de señales hechos a mano que requieren un ajuste de parámetros manual experto y a menudo no son capaces de manejar las imperfecciones de los datos en bruto, como el ruido”, dijo el autor principal, Bo Zhu, PhD, del Centro para Imagenología Biomédica Martinos del MGH. “Con AUTOMAP, hemos enseñado a los sistemas de imágenes para ‘ver’ la forma en que los humanos aprenden a ver después del nacimiento, no a través de programación directa del cerebro sino promoviendo conexiones neuronales para adaptarse orgánicamente a través de entrenamiento repetido en ejemplos del mundo real”.

“Dado que AUTOMAP se implementa como una red neuronal de alimentación positiva, la velocidad de reconstrucción de la imagen es casi instantánea, solo decenas de milisegundos”, dijo el autor principal Matt Rosen, PhD, del centro de aprendizaje automático en el MGH Martinos. “Nuestro método de IA muestra mejoras notables en la precisión y reducción de ruido y, por lo tanto, puede avanzar en una amplia gama de aplicaciones. Estamos increíblemente emocionados de tener la oportunidad de implementar esto en el espacio clínico donde AUTOMAP puede trabajar junto con computadoras económicas aceleradas por GPU para mejorar las imágenes clínicas y los resultados”.

El aprendizaje profundo es parte de una familia más amplia de métodos de inteligencia artificial basados en representaciones de datos de aprendizaje, a diferencia de los algoritmos específicos de tareas. Incluye algoritmos de red neuronal artificial (RNA) que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, con cada capa sucesiva utilizando el resultado de la capa anterior como entrada para formar una representación jerárquica.

Ultra-Flat DR Detector
meX+1717SCC
New
Diagnostic Ultrasound System
DC-80A
Ultrasound Table
Women’s Ultrasound EA Table
Portable X-ray Unit
AJEX140H

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

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... 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

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.