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




Una técnica de aprendizaje profundo podría revelar características transparentes en las imágenes médicas

Por el equipo editorial de Medimaging en español
Actualizado el 09 Jan 2019
Print article
Imagen: A partir de un grabado original (extremo derecho), los ingenieros produjeron una fotografía en la oscuridad (arriba a la izquierda), luego intentaron reconstruir el objeto utilizando primero un algoritmo basado en la física (arriba a la derecha), luego una red neuronal entrenada (abajo a la izquierda ), antes de combinar la red neuronal con el algoritmo basado en la física para producir la reproducción más clara y exacta (abajo a la derecha) del objeto original (Fotografía cortesía de MIT).
Imagen: A partir de un grabado original (extremo derecho), los ingenieros produjeron una fotografía en la oscuridad (arriba a la izquierda), luego intentaron reconstruir el objeto utilizando primero un algoritmo basado en la física (arriba a la derecha), luego una red neuronal entrenada (abajo a la izquierda ), antes de combinar la red neuronal con el algoritmo basado en la física para producir la reproducción más clara y exacta (abajo a la derecha) del objeto original (Fotografía cortesía de MIT).
Los ingenieros del Instituto Tecnológico de Massachusetts (Cambridge, MA, EUA) han desarrollado una técnica de aprendizaje profundo que puede revelar imágenes de características transparentes u objetos que son casi imposibles de descifrar en la oscuridad casi total.

Las redes neuronales profundas se han aplicado ampliamente en el campo de la visión por ordenador y el reconocimiento de imágenes. Los ingenieros del MIT desarrollaron recientemente redes neuronales para reconstruir objetos transparentes en imágenes tomadas con mucha luz. Sin embargo, se convirtieron en los primeros en utilizar redes neuronales profundas en experimentos para revelar objetos invisibles en imágenes tomadas en la oscuridad.

En su estudio, los investigadores reconstruyeron objetos transparentes a partir de imágenes de esos objetos, tomadas en condiciones de casi negro intenso utilizando una “red neuronal profunda”. Esta técnica de aprendizaje automático consiste en entrenar una computadora para asociar ciertas entradas con salidas específicas, en este caso imágenes oscuras, granuladas, de objetos transparentes y de los objetos mismos.

Los investigadores entrenaron una computadora para reconocer más de 10.000 grabados de vidrio transparente, basados en imágenes extremadamente granuladas de esos patrones. Las imágenes se tomaron en condiciones de muy poca luz, con aproximadamente un fotón por píxel, mucho menos luz de lo que una cámara registraría en una habitación oscura y sellada. Luego mostraron a la computadora una nueva imagen granulada, no incluida en los datos de entrenamiento, y encontraron que aprendió a reconstruir el objeto transparente que la oscuridad había ocultado.

Los investigadores repitieron sus experimentos con un conjunto de datos totalmente nuevo, que consta de más de 10.000 imágenes de objetos más generales y variados, incluidas personas, lugares y animales. Después del entrenamiento, los investigadores alimentaron la red neuronal con una imagen completamente nueva, tomada en la oscuridad, de un grabado transparente de una escena con góndolas atracadas en un muelle. Una vez más, encontraron que la reconstrucción informada por la física produjo una imagen más exacta del original, en comparación con las reproducciones sin la ley física incluida. Los resultados demuestran que se pueden usar redes neuronales profundas para iluminar características transparentes, como tejidos y células biológicas, en imágenes tomadas con muy poca luz.

“Hemos demostrado que el aprendizaje profundo puede revelar objetos invisibles en la oscuridad”, dijo el autor principal del estudio, Alexandre Goy. “Este resultado es de importancia práctica para que las imágenes médicas reduzcan la exposición de los pacientes a la radiación dañina y para las imágenes astronómicas”.

Enlace relacionado:
Instituto Tecnológico de Massachusetts


Print article

Canales

Radiografía

ver canal
Imagen: Un estudio nuevo sugiere que proteger a los pacientes durante las radiografías de diagnóstico podría ser contraproducente (Fotografía cortesía de Rebecca Milman Marsh / Shutterstock).

Un nuevo estudio cuestiona los beneficios de proteger a los pacientes durante los exámenes de radiografía

Un estudio nuevo afirma que proteger a los pacientes durante las radiografías de diagnóstico proporciona beneficios insignificantes y aumenta los riesgos. Un estudio escrito por investigadores de la... Más

Imaginología General

ver canal
Imagen: La resonancia magnética ZTE muestra resultados similares a la tomografía computarizada (Fotografía cortesía de 123rf).

Resonancia magnética del cráneo con ZTE es comparable a las imágenes de tomografía computarizada

Un estudio nuevo sugiere que la resonancia magnética del cráneo con tiempo de eco cero (ZTE) podría proporcionar una alternativa clínica a la tomografía computarizada (TC) en pacientes con traumas radiosensibles,... 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.