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
Ampronix,  Inc

Download Mobile App




Se libera el conjunto de datos de fuente abierta más grande hasta la fecha para acelerar las resonancias magnéticas usando la inteligencia artificial

Por el equipo editorial de Medimaging en español
Actualizado el 26 Dec 2018
Print article
Imagen: El director del Departamento de Radiología de la Facultad de Medicina de la Universidad de Nueva York, Michael Recht, MD; Daniel Sodickson, MD, PhD, vicepresidente de investigación y director del Centro de Innovación e Investigación de Imágenes Avanzadas; e Yvonne Lui, MD, directora de inteligencia artificial, ven cómo se realiza un examen de resonancia magnética en NYU Langone Health en Nueva York en agosto de 2018.
Imagen: El director del Departamento de Radiología de la Facultad de Medicina de la Universidad de Nueva York, Michael Recht, MD; Daniel Sodickson, MD, PhD, vicepresidente de investigación y director del Centro de Innovación e Investigación de Imágenes Avanzadas; e Yvonne Lui, MD, directora de inteligencia artificial, ven cómo se realiza un examen de resonancia magnética en NYU Langone Health en Nueva York en agosto de 2018.
El Departamento de Radiología de la Facultad de Medicina de la NYU (Nueva York, NY, EUA) lanzó el primer conjunto de datos de resonancia magnética a gran escala de este tipo como parte de fastMRI, un esfuerzo de colaboración con Facebook AI Research (Nueva York, NY, EUA) para acelerar los exámenes de resonancia magnética con inteligencia artificial (IA).

La colaboración tiene como objetivo compartir herramientas de código abierto y estimular el desarrollo de los sistemas de inteligencia artificial para hacer que las imágenes de resonancia magnética sean 10 veces más rápidas. La colaboración promoverá la reproducibilidad de la investigación, proporcionará métodos de evaluación consistentes y capacitará a la comunidad más amplia de científicos de inteligencia artificial y de imagenología médica.

Utilizando la IA, los investigadores creen que será posible capturar menos datos y, por lo tanto, obtener imágenes más rápidamente, al tiempo que se preserva o incluso se mejora la rica información contenida en las imágenes de las RM. Los líderes del estudio dicen que, si tiene éxito, la resonancia magnética rápida podría beneficiar a una amplia gama de personas que pueden tener dificultades para tolerar los exámenes largos, incluidos los niños pequeños, los pacientes ancianos y las personas con claustrofobia. También podría disminuir la necesidad de anestesia o sedación. Además, el proyecto podría ampliar el acceso a esta herramienta de diagnóstico clave, particularmente en áreas donde hay una escasez de escáneres de resonancia magnética y los pacientes enfrentan largos tiempos de espera para sus exámenes.

La versión inicial del conjunto de datos incluye más de 1,5 millones de imágenes de RM anónimas de la rodilla, extraídas de 10.000 exámenes, además de datos de medición sin procesar de casi 1.600 exploraciones. Mientras que se han publicado anteriormente otros conjuntos de imágenes radiológicas, este conjunto de datos representa la mayor liberación pública de datos de resonancia magnética sin procesar hasta la fecha. La primera fase del proyecto incluirá datos de exámenes de resonancia magnética de rodilla, pero las versiones futuras incluirán datos de exámenes hepáticos y cerebrales. El equipo conjunto también proporcionará una serie de herramientas, que incluyen métricas de referencia para comparar resultados, y una tabla de clasificación para realizar un seguimiento del progreso como parte de un desafío organizado que se anunciará en un futuro próximo.

“fastMRI no solo podría tener un impacto importante en el campo médico, sino que también es un desafío de investigación interesante que ayudará a avanzar en el campo de la IA”, dijo Larry Zitnick, Gerente de Investigación de Facebook AI Research. “Para ser médicamente útiles, nuestras imágenes reconstruidas con inteligencia artificial deben ser más que atractivas, también deben ser representaciones exactas de la verdad fundamental, a pesar de que están creadas a partir de una cantidad significativamente menor de datos. El conjunto de datos de NYU Langone está libre y los modelos de línea de base que hemos abierto permitirán que otros investigadores se unan a nosotros para trabajar en este problema desafiante, y creemos que este enfoque abierto traerá resultados positivos más rápidamente”.

“Esta colaboración se enfoca en aplicar los puntos fuertes del aprendizaje automático para reconstruir imágenes de alto valor de nuevas maneras. En lugar de utilizar las imágenes existentes para entrenar los algoritmos de IA, cambiaremos radicalmente la forma en que se adquieren las imágenes médicas”, dijo Daniel Sodickson, MD, PhD, profesor de radiología y neurociencia y fisiología y director del CAIR. “Nuestro objetivo no es simplemente mejorar la minería de datos con la IA, sino crear nuevas capacidades para la visualización médica, en beneficio de la salud humana”.

Enlace relacionado:
Facultad de Medicina de la NYU
Facebook AI Research




Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: La aplicación Clarius Live permite compartir los exámenes de ecografía (Fotografía cortesía de Clarius MobileHealth).

Solución de telemedicina simplifica las consultas del ultrasonido

Una nueva función de transmisión en vivo permite a los profesionales médicos transmitir sus ecografías en tiempo real a cualquier navegador web estándar en dispositivos de escritorio y móviles.... Más

Imaginología General

ver canal
Imagen: Una mamografía (A) comparada con una resonancia magnética de la mama (B) (Fotografía cortesía de MedUni).

Realizar resonancias magnéticas de mama después del cáncer puede generar biopsias superfluas

Un estudio nuevo afirma que para las mujeres con antecedentes personales de cáncer de mama, la vigilancia de la mama usando resonancia magnética da como resultado índices más altos de biopsias y detección de cáncer.... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.