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
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Entrenamiento en elasticidad ayuda a la IA a diagnosticar el cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 31 Jul 2019
Print article
Según un estudio nuevo, se pueden usar algoritmos de inteligencia artificial (IA) para identificar la heterogeneidad elástica de ultrasonido de un tumor, con el fin de diferenciar los tumores benignos de sus contrapartes malignas.

Investigadores de la Universidad del Sur de California (USC; Los Ángeles, EUA), del Instituto Politécnico Rensselaer (RPI; Troy, Nueva York, EUA) y de otras instituciones, crearon modelos basados en la física que simulaban los niveles variables de las dos propiedades clave de ultrasonido de un tumor de mama canceroso: heterogeneidad elástica y respuesta elástica no lineal. Luego utilizaron miles de entradas de datos derivadas de los modelos para entrenar una red neuronal convolucional (RNC) profunda para clasificar los tumores como malignos o benignos.

Se entrenó una RNC de 5 capas con 8.000 muestras para heterogeneidad, y una RNC de 4 capas con 4.000 muestras para la elasticidad no lineal. Cuando se consultó sobre imágenes sintéticas adicionales, las RNC lograron exactitudes de clasificación de 99,7% a 99,9%. Luego, los investigadores aplicaron el clasificador de elasticidad no lineal, que se entrenó completamente utilizando datos simulados, para clasificar las imágenes de desplazamiento obtenidas de diez pacientes con lesiones mamarias; la RNC clasificó correctamente ocho de cada diez casos.

“El consenso general es que estos tipos de algoritmos tienen un papel importante que desempeñar, incluso de los profesionales de imágenes sobre los que tendrán más impacto”, dijo el autor principal, el profesor, Assad Oberai, PhD, del departamento de ingeniería mecánica y aeroespacial de la USC. “Sin embargo, estos algoritmos serán más útiles cuando no sirven como cajas negras, sino que son una herramienta que ayuda a guiar a los radiólogos a conclusiones más exactas”.

La elastografía se basa en la generación de ondas de corte determinadas por el desplazamiento de los tejidos, inducido por la fuerza de un haz de ultrasonido enfocado o por una presión externa. Las ondas de corte son ondas laterales, con un movimiento perpendicular a la dirección de la fuerza generadora, que viajan lentamente y son atenuadas rápidamente por el tejido. La velocidad de propagación de las ondas de corte se correlaciona con la elasticidad del tejido.

Enlace relacionado:
Universidad del Sur de California
Instituto Politécnico Rensselaer


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Wireless Handheld Ultrasound System
TE Air
New
Digital Radiography Generator
meX+20BT lite
PACS Workstation
CHILI Web Viewer

Print article
Radcal

Canales

RM

ver canal
Imagen: El MRgFUS puede tratar con éxito el cáncer de próstata para aquellos en riesgo intermedio (Fotografía cortesía de 123RF)

Terapia de ultrasonido enfocado guiada por resonancia magnética se muestra prometedora en tratamiento del cáncer de próstata

Los médicos y radiólogos intervencionistas utilizan la terapia de ultrasonido enfocado guiado por resonancia magnética (MRgFUS) para apuntar con precisión áreas específicas... Más

Medicina Nuclear

ver canal
Imagen: PET/CT de un paciente masculino de 60 años con sospecha clínica de cáncer de pulmón (Fotografía cortesía de  EJNMMI Physics)

Adquisición temprana de PET FDG dinámica de 30 minutos podría reducir a la mitad tiempos de exploración pulmonar

Las exploraciones PET FDG F-18 son una forma de observar el interior del cuerpo utilizando un tinte especial, y estas exploraciones pueden ser estáticas o dinámicas. Las exploraciones estáticas... Más

Imaginología General

ver canal
Imagen: El modelo AI ingresa y analiza una imagen de la tomografía de emisión de positrones (PET) (Fotografía cortesía de la Universidad de Chalmers)

Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC

El uso de la inteligencia artificial (IA) en el análisis de imágenes médicas ha sido testigo de avances significativos recientemente. Se están desarrollando nuevas herramientas... 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.