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

14 mar 2019 - 17 mar 2019

Un centro clínico de los NIH libera el conjunto de datos de imágenes de tomografía computarizada

Por el equipo editorial de Medimaging en español
Actualizado el 06 Sep 2018
Print article
Imagen: Inclusión de una lesión visualizada en el conjunto de prueba DeepLesion (Fotografía cortesía de los NIH).
Imagen: Inclusión de una lesión visualizada en el conjunto de prueba DeepLesion (Fotografía cortesía de los NIH).
DeepLesion, un conjunto de datos a gran escala de imágenes de TC compiladas por el Centro Clínico de los Institutos Nacionales de Salud de los EUA (NIH, Bethesda, MD, EUA), se ha puesto a disposición del público para ayudar a la comunidad científica a mejorar la exactitud para la detección de lesiones. DeepLesion incluye un conjunto de datos con 32.735 lesiones en 32.120 cortes de TC de 10.594 estudios de 4.427 pacientes, únicos, anónimos, cuyas imágenes de TC se enviaron a los radiólogos en el Centro Clínico de los NIH para su interpretación.

Los radiólogos de los NIH midieron y marcaron los hallazgos clínicamente significativos con la ayuda de una herramienta de marcador electrónico compleja que proporciona flechas, líneas, diámetros y texto que pueden indicar la ubicación exacta y el tamaño de una lesión para que los expertos puedan identificar el crecimiento o una nueva enfermedad. Los marcadores, incluida una gama de datos médicos retrospectivos, se usaron para desarrollar el conjunto de datos DeepLesion. A diferencia de la mayoría de los conjuntos de datos de imágenes médicas de lesiones actualmente disponibles, que solo pueden detectar un tipo de lesión, la base de datos contiene todos los hallazgos radiológicos críticos, como nódulos pulmonares, tumores hepáticos, ganglios linfáticos agrandados, etc.

El conjunto de datos publicado es lo suficientemente grande como para formar una red neuronal profunda, que podría permitir a la comunidad científica crear un detector de lesiones universales a gran escala con un marco unificado, que eventualmente podría servir como una herramienta de detección inicial para otros sistemas especializados entrenados en ciertos tipos de lesiones. Además, DeepLesion marca múltiples hallazgos en una imagen de tomografía computarizada, lo que permite a los investigadores analizar su relación para hacer nuevos descubrimientos, permitiendo la evaluación de la carga tumoral en todo el cuerpo. DeepLesion se introdujo en un estudio publicado el 20 de julio de 2018 en la revista Journal of Medical Imaging.

“Se han recopilado grandes cantidades de anotaciones clínicas y se han almacenado en los sistemas de archivo y comunicación de imágenes de los hospitales. Estos tipos de anotaciones, también conocidos como marcadores, generalmente son marcados por radiólogos durante su flujo de trabajo diario para resaltar hallazgos significativos de la imagen que pueden servir como referencia para estudios posteriores”, dijeron el autor principal, Ronald Summers, MD, PhD, y sus colegas. “Proponemos extraer y cosechar estos abundantes datos médicos retrospectivos para construir un conjunto de datos de imágenes de lesiones a gran escala”.

“En el futuro, el Centro Clínico de los NIH espera seguir mejorando el conjunto de datos DeepLesion mediante la recopilación de más datos, mejorando así su exactitud de detección”, afirmó el NIH en un comunicado de prensa. “La capacidad de detección universal de lesiones se volverá más confiable una vez que los investigadores puedan aprovechar la información en 3D y del tipo de lesiones. Es posible ampliar aún más DeepLesion a otras modalidades de imagenología como la resonancia magnética y, además, combinar datos de varios hospitales”.

Enlace relacionado:
Centro Clínico de los Institutos Nacionales de Salud de los EUA


Print article
Radcal
Italray

Canales

Radiografía

ver canal
Imagen: Las pruebas de aisladores cristalinos pueden medir los niveles de radiación de fondo (Fotografía cortesía de la Universidad Estatal de Carolina del Norte).

Unas pruebas cristalinas evalúan rápidamente la exposición a la radiación

Un estudio nuevo afirma que el análisis de los aisladores cristalinos que se encuentran en la mayoría de los dispositivos electrónicos modernos, podría facilitar la dosimetría de respuesta de emergencia... Más

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: La plataforma de radiocirugía giroscópica ZAP-X (Fotografía cortesía de ZAP Surgical Systems).

Una plataforma de radiocirugía giroscópica hace la ablación de tumores de cerebro

Una plataforma nueva de radioterapia (RT) administra radiocirugía estereotáctica de dosis altas (SRS) para extirpar de forma no invasiva los tumores cerebrales y otras afecciones intracraneales seleccionadas.... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más

Industria

ver canal
Imagen: El crecimiento del mercado mundial de imágenes mamarias es impulsado principalmente por los avances tecnológicos y la creciente incidencia del cáncer de mama (Fotografía cortesía de iStock).

El mercado mundial de imagenología mamaria valdrá 4.600 millones de dólares en el año 2023

Se proyecta que el mercado mundial de imágenes mamarias crezca a una TCAC de 8,0% desde 3.100 millones de dólares en 2018 para llegar a 4.600 millones de dólares en 2023, impulsado principalmente por los... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.