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.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Un algoritmo de IA detecta el cáncer de mama en las imágenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 24 Apr 2019
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Imagen: Se capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. El algoritmo, descrito en el Simposio de Imágenes Mamarias SBI/ACR, utilizó el “Aprendizaje profundo”, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (Fotografía cortesía de Sarah Eskreis-Winkler, M.D.).
Un equipo de investigadores del Centro de Cáncer Memorial Sloan Kettering (Nueva York, NY, EUA) capacitó a un algoritmo inteligente en una red neuronal para reconocer la aparición del cáncer de mama en las imágenes de resonancia magnética. Según los investigadores, el algoritmo utiliza el aprendizaje profundo, una forma de aprendizaje automático, que es un tipo de inteligencia artificial (IA), para identificar tumores en las imágenes de RM de mama y podría ahorrar tiempo sin comprometer la exactitud.

Los investigadores utilizaron una red neuronal para clasificar segmentos de las imágenes de RM y extraer las características. El algoritmo aprendió a hacer esto por sí solo y el uso del aprendizaje profundo eliminó la necesidad de decirle explícitamente a la computadora qué es lo que debía buscar. Los investigadores probaron el algoritmo procesando imágenes de RM de 277 mujeres, clasificando segmentos dentro de estas imágenes como mostrando o no mostrando tumor. El algoritmo logró una exactitud del 93% en un conjunto de pruebas, mientras que la sensibilidad y especificidad para la detección de tumores fueron del 94% y 92%, respectivamente.

Los investigadores creen que el algoritmo, si está integrado en el flujo de trabajo clínico, tiene el potencial de mejorar la eficiencia de los radiólogos. También podría ahorrar tiempo durante las juntas de tumores al desplazarse automáticamente a los cortes de RM de la mama que muestran lesiones de cáncer, eliminando así el tiempo que de lo contrario se gastaría desplazando manualmente estos cortes. Sin embargo, los investigadores han advertido que el aprendizaje profundo no puede proporcionar la solución completa y que las personas tendrían que trabajar con algoritmos de aprendizaje profundo para alcanzar su potencial.

“La forma en que se integrarán las herramientas de inteligencia artificial en nuestra práctica diaria aún es incierta”, dijo Eskreis-Winkler, MD, quien presentó los datos en el reciente Simposio de Imágenes Mamarias de la Sociedad para Imágenes Mamarias (SBI)/Colegio Americano de Radiología (ACR) . “Así que hay una gran oportunidad para que seamos creativos y proactivos, con el fin de encontrar maneras de aprovechar el poder de la IA para convertirnos en mejores radiólogos y servir mejor a nuestros pacientes”.

Enlace relacionado:
Centro de Cáncer Memorial Sloan Kettering

Medical Radiographic X-Ray Machine
TR30N HF
Mammo DR Retrofit Solution
DR Retrofit Mammography
Post-Processing Imaging System
DynaCAD Prostate
Mobile X-Ray System
K4W

Canales

Ultrasonido

ver canal
Imagen: Un corte transversal del cerebro revela la arquitectura simétrica de la red vascular (cian-verde) y el trazador que resalta el sistema glinfático (rojo-amarillo) a lo largo de la superficie cerebral y las vías de drenaje, visualizados a través del cráneo intacto mediante la técnica 3D-PAULM (Foto cortesía de la Universidad de Duke)

Plataforma de imagen híbrida revela cómo el sueño favorece la eliminación de desechos del cerebro

El sistema glinfático del cerebro elimina los desechos metabólicos a través del líquido cefalorraquídeo y se cree que contribuye a la salud neuronal durante el sueño.... Más

TI en Imaginología

ver canal
Imagen: La plataforma admite la creación de informes asistida por IA en tiempo real a medida que los radiólogos dictan, extrayendo los hallazgos del habla natural y colocándolos en las secciones apropiadas del informe (Crédito de la imagen: Adobe Stock)

Plataforma de informes con IA ambiental agiliza la elaboración de informes radiológicos

Los departamentos de radiología se enfrentan a un volumen creciente de imágenes y a la escasez de personal, lo que genera cuellos de botella en la elaboración de informes y presión... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.