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




El algoritmo de aprendizaje profundo basado en TC diferencia con precisión las fracturas vertebrales benignas de las malignas

Por el equipo editorial de MedImaging en español
Actualizado el 18 Apr 2024
Print article
Imagen: ilustración ejemplar del proceso de etiquetado y segmentación (foto cortesía de TUM)
Imagen: ilustración ejemplar del proceso de etiquetado y segmentación (foto cortesía de TUM)

Se espera que el aumento de la población que envejece dé como resultado un aumento correspondiente en la prevalencia de fracturas vertebrales que pueden causar dolor de espalda o compromiso neurológico, lo que lleva a un deterioro de la función o discapacidad. Clínicamente, las fracturas vertebrales benignas y malignas no se distinguen porque normalmente ocurren sin un traumatismo adecuado. La tomografía computarizada desempeña un papel clave a la hora de distinguir entre fracturas vertebrales benignas y malignas debido a la amplia disponibilidad de la tecnología y su capacidad para representar líneas de fractura en diferentes planos reconstruidos. Sin embargo, distinguir entre fracturas vertebrales benignas y malignas sigue siendo un desafío con la TC sola. Ahora, un nuevo estudio ha demostrado que los modelos de aprendizaje profundo basados en TC pueden discriminar eficazmente las fracturas vertebrales benignas de las malignas. El estudio encontró que los modelos funcionaron mejor o similar que los residentes de radiología y tan buenos como los de un radiólogo capacitado.

En el estudio, investigadores de la Universidad Técnica de Múnich (TUM, Múnich, Alemania) examinaron si los modelos de aprendizaje profundo basados en TC podían diferenciar de forma fiable entre fracturas vertebrales benignas y malignas. El estudio identificó retrospectivamente tomografías computarizadas obtenidas entre junio de 2005 y diciembre de 2022 de pacientes con fracturas vertebrales benignas o malignas según un estándar de referencia compuesto que incluía información histopatológica y radiológica. Los investigadores seleccionaron al azar un conjunto de pruebas internas y obtuvieron un conjunto de pruebas externas de otro hospital.

Los modelos de aprendizaje profundo basados en CT utilizaron una arquitectura de codificador-clasificador tridimensional U-Net y aplicaron aumento de datos durante el entrenamiento. Los investigadores evaluaron el rendimiento de los modelos utilizando el área bajo la curva característica operativa del receptor (AUC) y lo compararon con el de dos residentes y un radiólogo capacitado utilizando la prueba DeLong. El estudio reveló que los modelos desarrollados tenían un alto poder discriminatorio para diferenciar entre fracturas vertebrales benignas y malignas. Su desempeño superó o igualó al de los residentes de radiología e igualó al de un radiólogo capacitado.

Enlaces relacionados:
tum

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound System
Voluson Signature 18
New
Compact C-Arm
Arcovis DRF-C S21
Color Doppler Ultrasound System
KC20

Print article

Canales

RM

ver canal
Imagen: El polvo de diamante ofrece una alternativa potencial al agente de contraste ampliamente utilizado gadolinium en RM(Foto cortesía del Instituto Max Planck)

El polvo de diamante podría ofrecer una nueva opción de agente de contraste para futuras exploraciones por resonancia magnética

El gadolinio, un metal pesado utilizado durante más de tres décadas como agente de contraste en imágenes médicas, mejora la claridad de las imágenes por resonancia m... Más

Ultrasonido

ver canal
Imagen: El sistema de ultrasonido intravascular SLT ha recibido la autorización 510(k) de la FDA (Foto cortesía de Provisio Medical)

Tecnología innovadora permite medición precisa y automática de los vasos sanguíneos periféricos

El estándar actual de atención que utiliza información angiográfica es a menudo inadecuado para evaluar con precisión el tamaño de los vasos en los aproximadamente 20 millones de personas en los EUA.... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... 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 © 2000-2024 Globetech Media. All rights reserved.