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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Nueva investigación muestra que la IA puede pedir a otra IA una segunda opinión sobre exploraciones médicas

Por el equipo editorial de MedImaging en español
Actualizado el 01 Aug 2023
Print article
Imagen: Imagen médica anotada por IA que muestra regiones mejoradas de tumor, núcleo tumoral y edema (Fotografía cortesía de la Universidad de Monash)
Imagen: Imagen médica anotada por IA que muestra regiones mejoradas de tumor, núcleo tumoral y edema (Fotografía cortesía de la Universidad de Monash)

El campo de la inteligencia artificial médica ha logrado avances notables gracias al aprendizaje profundo. Sin embargo, entrenar estos modelos de aprendizaje profundo generalmente requiere una gran cantidad de datos anotados. Este proceso de anotar grandes conjuntos de datos no solo requiere mucha mano de obra, sino que también es susceptible a los sesgos humanos, especialmente para tareas de predicción densas como la segmentación de imágenes. Inspirándose en algoritmos semisupervisados, que utilizan tanto datos etiquetados como no etiquetados para el entrenamiento, los investigadores han creado un nuevo algoritmo de IA de entrenamiento conjunto para imágenes médicas que imita el proceso de buscar una segunda opinión.

La investigación realizada por científicos de la Universidad de Monash (Melbourne, VIC, Australia) aborda el desafío de la disponibilidad limitada de imágenes médicas etiquetadas o anotadas por humanos mediante la adopción de un enfoque de aprendizaje contradictorio o competitivo hacia los datos no etiquetados. Se espera que esta investigación innovadora abra los horizontes del análisis de imágenes médicas para radiólogos y otros expertos en atención médica. La anotación manual de una gran cantidad de imágenes médicas exige mucho tiempo, esfuerzo y experiencia, lo que a menudo limita la disponibilidad de conjuntos de datos de imágenes médicas anotadas a gran escala. El algoritmo diseñado por estos investigadores permite que múltiples modelos de IA aprovechen las fortalezas únicas de los datos etiquetados y no etiquetados, aprendiendo unos de las predicciones de los otros para mejorar la precisión general. La próxima etapa de la investigación se centrará en ampliar la aplicación para acomodar varios tipos de imágenes médicas y desarrollar un producto de extremo a extremo dedicado para su uso en prácticas de radiología.

“Nuestro algoritmo ha producido resultados innovadores en el aprendizaje semisupervisado, superando los métodos de vanguardia anteriores. Demuestra un desempeño notable incluso con anotaciones limitadas, a diferencia de los algoritmos que se basan en grandes volúmenes de datos anotados”, dijo Himashi Peiris candidato a Ph.D. en la Facultad de Ingeniería de la Universidad de Monash. “Esto permite que los modelos de IA tomen decisiones más informadas, validen sus evaluaciones iniciales y descubran diagnósticos y decisiones de tratamiento más precisos”.

Enlaces relacionados:
Universidad Monash

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Digital Radiography System
meX+20BT
New
Miembro Plata
Radiographic Positioning Equipment
2-Step Multiview Positioning Platform
New
Powered Echocardiography Imaging/Ultrasound Table
Powered Echo

Print article
Radcal

Canales

RM

ver canal
Imagen: Las vías del cerebro destacadas son las más afectadas por una conmoción cerebral (foto cortesía de Benjamin Hacker, et al)

Modelo de IA diagnostica lesiones cerebrales traumáticas a partir de resonancias magnéticas con un 99 % de precisión

Una conmoción cerebral es un tipo de lesión cerebral traumática que puede provocar alteraciones temporales en la función cerebral. Ocurren debido a incidentes como lesiones... Más

Ultrasonido

ver canal
Imagen: Las nuevas aplicaciones habilitadas con IA, aprobadas por la FDA, se han integrado en los sistemas de ultrasonido EPIQ CVx y Affiniti CVx (foto cortesía de Royal Philips)

Plataforma de ultrasonido cardiovascular habilitada por IA de próxima generación acelera el análisis

La insuficiencia cardíaca es un importante desafío de salud mundial que afecta aproximadamente a 64 millones de personas en todo el mundo. Está asociada con altas tasas de mortalidad... 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: Calantic Digital Solutions  es una suite coordinada de soluciones de radiología basadas en IA que tiene como objetivo transformar la radiología (Foto cortesía de Bayer)

Bayer y Rad AI colaboran para expandir el uso de soluciones operativas de radiología de vanguardia basadas en IA

Los datos de imagen constituyen aproximadamente el 90 % de todos los datos médicos, y el volumen de estos datos sigue aumentando, lo que incrementa significativamente la carga de trabajo para los... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.