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

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.
07 dic 2020 - 11 dic 2020
09 dic 2020 - 18 dic 2020
Virtual Venue

Algoritmo de IA identifica a los pacientes que se pueden beneficiar de la cirugía de remoción de coágulos

Por el equipo editorial de MedImaging en español
Actualizado el 22 Oct 2019
Print article
Imagen: El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar los bloqueos de los vasos sanguíneos posteriores al accidente cerebrovascular a partir de imágenes de angiografía por TC (Fotografía cortesía de Medical Xpress).
Imagen: El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar los bloqueos de los vasos sanguíneos posteriores al accidente cerebrovascular a partir de imágenes de angiografía por TC (Fotografía cortesía de Medical Xpress).
Investigadores del Centro de Ciencias de la Salud de la Universidad de Texas (Houston, TX, EUA) desarrollaron un algoritmo que puede ayudar a los médicos fuera de los principales centros de tratamiento de accidentes cerebrovasculares, a evaluar si un paciente que sufre un accidente cerebrovascular isquémico, se podría beneficiar de un procedimiento endovascular que elimine un coágulo que bloquea una arteria.

La trombectomía endovascular implica enhebrar un catéter a través de la arteria femoral en la pierna hasta llegar al cerebro, donde el coágulo se puede eliminar mecánicamente. Estudios anteriores han demostrado que el procedimiento puede mejorar los resultados para los pacientes con accidente cerebrovascular solo en casos de lesión mínima al tejido cerebral durante el tratamiento. Sin embargo, solo la neuroimagenología avanzada en forma de imágenes emergentes de resonancia magnética o perfusión de tomografía computarizada (TC) permite detectar si el tratamiento será adecuado para un paciente. Dicha tecnología y experiencia generalmente no están disponibles en la mayoría de los hospitales comunitarios y centros primarios de accidentes cerebrovasculares.

Para llenar este vacío, el equipo de investigadores desarrolló una herramienta de aprendizaje automático que se puede utilizar con la técnica ampliamente disponible de imágenes de angiografía por TC. La herramienta puede analizar imágenes “aprendiendo” automáticamente patrones sutiles de imágenes que se pueden usar como proxy para otras modalidades de imagenología más avanzadas, pero no fácilmente disponibles, como la perfusión TC. Los investigadores probaron la herramienta identificando pacientes en su registro de accidente cerebrovascular que sufrieron un accidente cerebrovascular o tenían afecciones que lo imitaban. De los 224 pacientes que sufrieron un derrame cerebral, 179 tenían bloqueos en los vasos sanguíneos cerebrales. El algoritmo de aprendizaje automático, llamado DeepSymNet, aprendió a identificar estos bloqueos a partir de las imágenes de angiogramas TC, y entrenó al software para usar esas mismas imágenes para definir el área del cerebro que había muerto, usando escáneres de perfusión TC adquiridos concurrentemente como el “estándar de oro”.

“La ventaja es que no tiene que estar en un centro de salud académico o en un hospital de atención terciaria para determinar si este tratamiento beneficiaría al paciente o no. Y lo mejor de todo, el angiograma TC ya se usa ampliamente para pacientes con accidente cerebrovascular”, dijo Sunil A. Sheth, MD, autor correspondiente y profesor asistente de neurología de la Facultad de Medicina McGovern de UT Health.

Enlace relacionado:
Centro de Ciencias de la Salud de la Universidad de Texas


Print article
Sun Nuclear/Gammex
Radcal

Canales

RM

ver canal
Imagen: El nuevo sistema de resonancia magnética SIGNA 7.0T (Fotografía cortesía de GE Healthcare)

Ya está disponible un escáner para resonancia magnética clínica de campo ultra alto

Un sistema nuevo de resonancia magnética 7T con un imán aproximadamente cinco veces más potente que la mayoría de los sistemas clínicos puede obtener imágenes de anatomía, función, metabolismo y microvasculatura... Más
Copyright © 2000-2020 Globetech Media. All rights reserved.