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
IBA-Radcal

Deascargar La Aplicación Móvil




Nuevo escáner híbrido utiliza cinco técnicas para obtener imágenes moleculares

Por el equipo editorial de MedImaging en español
Actualizado el 22 Jul 2015
Unos científicos están desarrollando un nuevo sistema híbrido para obtener imágenes moleculares, el cual permitirá ayudar a encontrar nuevos medicamentos y avanzar en la investigación con imágenes.

El escáner fue presentado durante el Congreso Anual de 2015 de la Sociedad de Medicina Nuclear e Imágenes Moleculares (SNMMI; Reston, Virginia, EUA) y consta de una ventana para la observación de los tejidos y de una cámara para obtener las imágenes. Este escáner está destinado a la investigación en el microambiente de los tumores y otros tejidos y al registro conjunto de la información de diversos tipos de imágenes.

El escáner combina Tomografía por Emisión de Positrones (PET) para obtener información fisiológica, con trazadores radioactivos, resonancia magnética (RM) convencional e hiperpolarizada, para el contraste de los tejidos blandos y el seguimiento de imágenes de imagenología óptica, de luminiscencia, fluorescencia y bioquímica minúsculas, para realizar investigaciones al microscopio.

Los investigadores presentaron un estudio en el cual fue trasplantada una línea de células tumorales a una rata. Luego se obtuvieron imágenes del animal con RM convencional, RM hiperpolarizada, un detector de positrones y un sensor de luminiscencia y los tejidos fueron analizados usando un microscopio de fluorescencia.

Zhen Liu, autor principal del estudio, estudiante de doctorado del departamento de medicina nuclear de la Universidad Técnica de Múnich (Múnich, Alemania), dijo: “Esta tecnología nos permite obtener un profundo conocimiento de las técnicas de imagenología molecular, cómo optimizarlas y cómo aprovechar la información con el análisis estadístico y al mismo tiempo avanzar en el desarrollo de nuevos trazadores radioactivos y agentes de contraste para la formación de imágenes y para el tratamiento de una variedad de enfermedades. Es muy difícil entender del todo la fisiología sobre la cual se basan las imágenes multimodales, debido a las discrepancias entre las imágenes macroscópicas y las microscópicas y entre las imágenes de los tejidos extraídos o trasplantados frente a las imágenes de un paciente vivo. Lograr estas imágenes intra-vitales y multimodales, de alta resolución, puede eliminar estas discrepancias y ofrecer una herramienta para la observación a largo plazo de esa fisiología subyacente”.

Enlaces relacionados:

SNMMI
Technical University Munich


Multi-Use Ultrasound Table
Clinton
Radiation Safety Barrier
RayShield Intensi-Barrier
Half Apron
Demi
Breast Localization System
MAMMOREP LOOP

Canales

Radiografía

ver canal
Imagen: el modelo de aprendizaje profundo detecta cambios sutiles relacionados con la edad a partir de radiografías de tórax (Fotografía cortesía de 123RF)

La IA detecta signos tempranos de envejecimiento a partir de radiografías de tórax

La edad cronológica no siempre refleja la velocidad real del envejecimiento corporal, y las pruebas actuales de edad biológica suelen basarse en marcadores genéticos que pueden pasar... 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 © 2000-2026 Globetech Media. All rights reserved.