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




Módulo de IA permite la segmentación y procesamiento predictivos de imágenes

Por el equipo editorial de MedImaging en español
Actualizado el 30 Dec 2019
Imagen: Un conjunto de aplicaciones de microscopía ayuda a la imagenología predictiva, la segmentación y el procesamiento (Fotografía cortesía de Nikon Instruments)
Imagen: Un conjunto de aplicaciones de microscopía ayuda a la imagenología predictiva, la segmentación y el procesamiento (Fotografía cortesía de Nikon Instruments)
Un módulo potente de análisis y procesamiento de imágenes aprovecha el aprendizaje profundo y la inteligencia artificial (IA) para extraer con exactitud datos imparciales de grandes cantidades de conjuntos de datos de microscopía.

El módulo de análisis y procesamiento de imágenes de microscopía NIS.ai de Nikon Instruments (Melville, NY, EUA) es un conjunto de herramientas de procesamiento basadas en inteligencia artificial que utiliza redes neuronales convolucionales (CNN) para aprender a leer imágenes de pequeños conjuntos de datos de capacitación proporcionados por el usuario. Los resultados de la capacitación se pueden aplicar para procesar y analizar grandes volúmenes de datos, lo que permite a los investigadores aumentar el rendimiento y ampliar sus límites de aplicación. El NIS.ai incluye un conjunto de aplicaciones para imagenología predictiva, segmentación y procesamiento de imágenes. Éstas incluyen:

Convert.ai, que aprende patrones relacionados en dos canales de imagenología diferentes. Después del entrenamiento, Convert.ai puede predecir el patrón en el segundo canal, incluso cuando se presenta solo con el primer canal. También se puede entrenar para predecir dónde la coloración fluorescente de núcleos basada en DAPI, un método común para la segmentación y el recuento de células, se podría basar en imágenes de microscopía de contraste de interferencia diferencial (DIC) o de contraste de fase no coloreadas. Esto permite a los usuarios realizar análisis de imágenes basadas en núcleos sin tener que colorear las muestras con DAPI o adquirir un canal fluorescente.

Segment.ai, que permite identificar y segmentar fácilmente estructuras complejas. Las neuritas en las imágenes de contraste de fase son tradicionalmente difíciles de definir mediante el umbral clásico. Segment.ai se puede entrenar en un pequeño subconjunto de neuritas trazadas a mano para detectar y segmentar automáticamente neuritas de miles de conjuntos de datos no rastreados.

Enhance.ai, que permite mejorar las muestras fluorescentes tenues con una baja relación señal/ruido (SNR) al aprender cómo se ve una imagen de alta señal a ruido, a través de un proceso que compara imágenes subexpuestas y óptimamente expuestas. Enhance.ai puede restaurar detalles en imágenes fluorescentes tenues o poco expuestas, lo que permite a los investigadores obtener más información de sus aplicaciones de imágenes de baja señal.

Denoise.ai, que elimina el ruido de disparo de las imágenes confocales resonantes y se puede realizar en tiempo real. La aplicación de Denoise.ai a las imágenes confocales resonantes permite a los usuarios adquirir imágenes confocales a una velocidad ultra alta sin sacrificar la calidad de las imágenes.

“La aplicación de Aprendizaje Profundo e IA a la imagenología biomédica es extremadamente poderosa y abre posibilidades invisibles”, dijo Steve Ross, PhD, director de productos y marketing de Nikon Instruments. “Con NIS.ai, los investigadores pueden aplicar fácilmente el aprendizaje profundo para extraer datos significativos e imparciales de conjuntos de datos grandes y complejos”.

Enlace relacionado:
Nikon Instruments

New
Mammography System (Analog)
MAM VENUS
Digital Radiographic System
OMNERA 300M
Radiology Software
DxWorks
New
Breast Localization System
MAMMOREP LOOP

Canales

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 ultrasonido focalizado puede detener el crecimiento de lesiones cerebrales debilitantes (Foto cortesía de Nature Biomedical Engineering; doi.org/10.1038/s41551-025-01390-z)

Nueva técnica sin incisiones detiene el crecimiento de lesiones cerebrales debilitantes

Las malformaciones cavernosas cerebrales (MCC), también conocidas como cavernomas, son agrupaciones anómalas de vasos sanguíneos que pueden formarse en el cerebro, la médula... 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.