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.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




IA ayuda a optimizar la dosis de radiación de rayos X en tomografía computarizada

Por el equipo editorial de MedImaging en español
Actualizado el 16 Mar 2023
Print article
Imagen: Investigadores de Italia han desarrollado y entrenado modelos basados ​​en la red neuronal para analizar las imágenes de TC (Fotografía cortesía de la Universidad de Florencia)
Imagen: Investigadores de Italia han desarrollado y entrenado modelos basados ​​en la red neuronal para analizar las imágenes de TC (Fotografía cortesía de la Universidad de Florencia)

La tomografía computarizada (TC) es una herramienta de diagnóstico muy eficaz y extensa utilizada por la medicina moderna. Desafortunadamente, existe una preocupación creciente con respecto a la cantidad cada vez mayor de pacientes que se someten a tomografías computarizadas y la cantidad considerable de radiación de rayos X a la que están expuestos. El principio ALARA, comúnmente conocido como "tan bajo como sea razonablemente posible", implica que un paciente debe recibir el beneficio de diagnóstico más significativo con una exposición mínima a la radiación. En términos prácticos, este principio requiere una solución intermedia, ya que la disminución del nivel de radiación administrada generalmente da como resultado una calidad de imagen de TC más pobre. En consecuencia, los profesionales médicos deben lograr un equilibrio entre obtener alta calidad de imágenes de TC y minimizar la exposición del paciente a los rayos X para reducir el riesgo de un diagnóstico erróneo.

Para lograr un equilibrio entre la calidad de la imagen y la exposición a la radiación durante las TC, los profesionales de la salud, incluidos los radiólogos, pueden emplear una estrategia de optimización. Primero, observan imágenes reales generadas por el tomógrafo para identificar anomalías como tumores o tejido inusual. Luego se utilizan métodos estadísticos para calcular la dosis de radiación óptima y la configuración del tomógrafo. Este procedimiento se puede generalizar mediante la adopción de imágenes de TC de referencia obtenidas al escanear fantasmas especialmente diseñados que contienen insertos de diferentes tamaños y contrastes, que representan anomalías estandarizadas. Sin embargo, el análisis manual de imágenes requiere mucho tiempo. Para abordar este problema, un equipo de investigadores de la Universidad de Florencia (Florencia, Italia), en colaboración con radiólogos y físicos médicos, examinó si este proceso podría automatizarse mediante el uso de inteligencia artificial (IA). El equipo creó y entrenó un algoritmo, un "observador modelo", basado en redes neuronales convolucionales (CNN), que podría analizar las anomalías estandarizadas en las imágenes de TC con la misma eficiencia que un profesional.

El equipo necesitaba suficientes datos de entrenamiento y de prueba para su modelo, para lo cual 30 profesionales de la salud examinaron visualmente 1.000 imágenes de TC en un fantasma que imitaba el tejido humano. El fantasma contenía insertos cilíndricos de diferentes diámetros y contrastes, y los observadores tenían que identificar si un objeto estaba presente en la imagen e indicar el nivel de confianza en su evaluación. Esto generó un conjunto de datos de 30.000 imágenes de TC etiquetadas capturadas mediante varias configuraciones de reconstrucción tomográfica, que reflejan con precisión la interpretación humana. Luego, el equipo implementó dos modelos de IA basados en diferentes arquitecturas, UNet y MobileNetV2, y modificó el diseño base de estas arquitecturas para permitirles realizar tanto la clasificación ("¿Hay un objeto inusual en la imagen de TC?") como la localización ("¿Dónde está el objeto inusual?"). Luego, los modelos se entrenaron y probaron utilizando imágenes del conjunto de datos.

El equipo de investigación realizó análisis estadísticos para evaluar varias métricas de desempeño para garantizar que los observadores del modelo emularan con precisión cómo un humano evaluaría las imágenes de TC del fantasma. Los investigadores son optimistas de que, con más esfuerzos, su modelo puede convertirse en un mecanismo viable para la evaluación automatizada de la calidad de la imagen de la TC. Confían en que la aplicación de sus observadores de modelo de IA a mayor escala permitirá evaluaciones de TC más rápidas y seguras que nunca.

“Nuestros resultados fueron muy prometedores, ya que ambos modelos entrenados funcionaron notablemente bien y lograron un porcentaje de error absoluto de menos del 5 %”, dijo la Dra. Sandra Doria, del Departamento de Física de la Universidad de Florencia, quien dirigió el equipo de investigación. "Esto indicó que los modelos podían identificar el objeto insertado en el fantasma con una precisión y confianza similares a las de un profesional humano, para casi todas las configuraciones de reconstrucción y tamaños y contrastes de anomalías".

Enlaces relacionados:
Universidad de Florencia  

New
Proveedor de oro
Electrode Solution and Skin Prep
Signaspray
Proveedor de oro
Ultrasound System
FUTUS LE
New
Wireless Flat Panel Detector
ExamVue 10" x 12" Glassless Substrate Wireless
New
PACS Workstation
PaxeraView PRO

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: DeepTek.ai ha asegurado la autorización de la FDA de los EUA para su solución de IA de análisis de rayos X de tórax  CXR (Fotografía cortesía de 123RF)

Innovadora solución de IA detecta automáticamente anomalías en radiografías de tórax

En el panorama de las imágenes médicas, donde alrededor de 1.500 millones de los 3.500 millones de rayos X que se realizan cada año en el mundo son del tórax, un análisis... Más

RM

ver canal
Imagen: Los investigadores están utilizando radioterapia guiada por resonancia magnética que combina resonancia magnética diaria con radioterapia (Fotografía cortesía de Sylvester)

Técnica de IA rastrea automáticamente tumores en grandes conjuntos de datos de resonancia magnética para guiar tratamiento del glioblastoma en tiempo real

El tratamiento del glioblastoma, un cáncer cerebral agresivo y prevalente, implica el uso de radioterapia guiada por imágenes de tomografía computarizada. Si bien este método... Más

Ultrasonido

ver canal
Imagen: La encuesta ofrece información sobre la expansión de ultrasonido en el punto de atención en hospitales y atención primaria (Fotografía cortesía de Exo)

Según un estudio, la adopción del ultrasonido en la atención primaria podría generalizarse en cinco años

Una encuesta en la que participaron más de 150 médicos de los Estados Unidos ha arrojado luz sobre las tendencias y desafíos actuales en la adopción y el uso de la ecografía... Más

Medicina Nuclear

ver canal
Imagen: Un novedoso radiotrazador PET facilita la detección temprana y no invasiva de la EII (Fotografía cortesía de Karmanos)

Nuevo radiotrazador PET ayuda a detectar de forma temprana y no invasiva la enfermedad inflamatoria intestinal

La enfermedad inflamatoria intestinal (EII), que incluye la enfermedad de Crohn y la colitis ulcerosa, es una afección inflamatoria del tracto gastrointestinal que padecen aproximadamente a siete... 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

Industria

ver canal
Imagen: Los asistentes pueden descubrir productos y tecnología innovadores en las Exhibiciones Técnicas de RSNA 2023 (Fotografía cortesía de RSNA)

Exposiciones técnicas RSNA 2023 ofrecerá innovaciones en IA, impresión 3D y más

La 109.ª Asamblea Científica y Reunión Anual de la Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA), que se celebrará en Chicago del 26 al 30... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.