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
Ampronix,  Inc

Eventos

28 ene 2019 - 01 feb 2019
02 feb 2019 - 07 feb 2019
16 feb 2019 - 21 feb 2019

Nueva técnica mejora calidad de imágenes médicas

Por el equipo editorial de Medimaging en español
Actualizado el 19 Apr 2018
Print article
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.


Print article

Canales

Ultrasonido

ver canal
Imagen: El aprendizaje profundo y la inteligencia artificial (AI) transforman los exámenes de ultrasonido obstétrico en una experiencia más fácil, más rápida, más consistente y mucho más exacta (Fotografía cortesía de SonoScape).

Una tecnología con IA automatiza el flujo de trabajo del ultrasonido obstétrico

El algoritmo S-fetus de SonoScape Medical (Shenzhen, China), diseñado para el sistema de ultrasonido S60, ha sido diseñado para simplificar un procedimiento de ultrasonido obstétrico estándar reduciéndolo... Más

Medicina Nuclear

ver canal
Imagen: Un estudio nuevo afirma que la radioterapia axilar es una buena opción para tratar el cáncer de mama metastásico (Fotografía cortesía de Getty Images).

La radioterapia en las axilas y la cirugía del GLS muestran resultados comparables

De acuerdo con un estudio nuevo, las pacientes con cáncer de mama en etapa temprana tuvieron tasas de recurrencia y supervivencia similares tanto con la radioterapia (RT) como con la disección de los ganglios... Más

TI en Imaginología

ver canal
Imagen: Un simple portal para pacientes almacena imágenes e informes (Fotografía cortesía de Intelerad).

Un portal centrado en los pacientes facilita el acceso a la imagenología directa

Un portal nuevo de imagenología brinda a los pacientes acceso directo a su historial de exámenes, imágenes e informes en cualquier momento y en cualquier lugar. La plataforma de imágenes en la nube... Más

Industria

ver canal
Imagen: Una herramienta nueva de inteligencia artificial puede predecir la gravedad de los tres síntomas comunes que enfrentan los pacientes con cáncer (Fotografía cortesía de SPL).

Una tecnología nueva de IA señala los síntomas negativos en los pacientes con cáncer

Investigadores de la Universidad de Surrey (Inglaterra, Reino Unido) y de la Universidad de California ({UCSF} San Francisco, CA, EUA) desarrollaron una herramienta nueva de inteligencia artificial (IA),... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.