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




Inteligencia artificial personaliza el modelaje musculoesquelético

Por el equipo editorial de MedImaging en español
Actualizado el 18 Nov 2019
Imagen: El aprendizaje profundo puede identificar los músculos individuales en la TC (Fotografía cortesía de NAIST)
Imagen: El aprendizaje profundo puede identificar los músculos individuales en la TC (Fotografía cortesía de NAIST)
Un estudio nuevo muestra cómo una herramienta de aprendizaje profundo puede segmentar los músculos individuales, a partir de las imágenes de tomografía computarizada (TC) para crear un modelo biomecánico personalizado.

Desarrollado por investigadores del Instituto de Ciencia y Tecnología de Nara (NAIST; Japón) y la Facultad de Medicina de la Universidad de Osaka (Japón), la nueva herramienta de inteligencia artificial (IA) se basa en redes neuronales convolucionales (CNN) que utilizan la arquitectura U-Net con el abandono de Monte Carlo, que infiere una métrica de incertidumbre, además de la etiqueta de segmentación. Al segmentar los músculos individuales para formar un modelo integral del sistema musculoesquelético, las personas que sufren de esclerosis lateral amiotrófica (ELA), por ejemplo, pueden recibir un dispositivo de rehabilitación personalizado, y los atletas pueden alcanzar mejores niveles de rendimiento.

Para evaluar el desempeño del método propuesto, los investigadores utilizaron dos conjuntos de datos: 20 TC totalmente anotadas de las regiones de la cadera y el muslo, y 18 TC anotadas parcialmente disponibles públicamente. Descubrieron que la U-Net Bayesiana tenía una mejor exactitud de segmentación que otros métodos, incluido el método jerárquico multi-atlas, que es visto como el más avanzado, y lo hizo al tiempo que reducía el lapso para entrenar y validar el sistema por un cirujano. Según los investigadores, el análisis exacto y específico del músculo individual del paciente ayudará a la simulación biomecánica y a la evaluación cuantitativa de la atrofia muscular. El estudio fue publicado el 10 de septiembre de 2019 en la revista IEEE Explore.

“Una vez que tenemos las imágenes de TC, necesitamos segmentar los músculos individuales para construir nuestro modelo. El desafío para poder segmentar los músculos individuales es el bajo contraste de las imágenes en las regiones fronterizas de los músculos vecinos”, dijo el autor principal, el profesor Yoshinobu Sato, PhD, de NAIST. “La U-Net Bayesiana aprendió la anatomía musculoesquelética para crear segmentaciones que habrían sido creadas por expertos de alta fidelidad y nuestro cirujano ortopédico colaborador, el profesor Nobuhiko Sugano del Hospital Universitario de Osaka, está bastante satisfecho con este logro”.

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA, basados en representaciones de datos de aprendizaje, en oposición a los algoritmos específicos de la tarea. Involucra algoritmos CNN que usan 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:
Instituto de Ciencia y Tecnología de Nara
Facultad de Medicina de la Universidad de Osaka

Post-Processing Imaging System
DynaCAD Prostate
New
Adjustable Mobile Barrier
M-458
Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
High-Precision QA Tool
DEXA Phantom

Canales

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: los cristales de perovskita se cultivan en condiciones cuidadosamente controladas a partir de la masa fundida (foto cortesía de Mercouri Kanatzidis/Northwestern University)

Nueva cámara permite ver dentro del cuerpo humano para mejorar el escaneo y diagnóstico

Las exploraciones de medicina nuclear, como la tomografía computarizada por emisión de fotón único (SPECT), permiten a los médicos observar la función cardíaca,... 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.