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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Nuevo método de IA captura la incertidumbre en imágenes médicas

Por el equipo editorial de MedImaging en español
Actualizado el 20 May 2024
Print article
Imagen: El modelo de aprendizaje automático Tyche podría ayudar a capturar información crucial. (Foto cortesía de 123RF)
Imagen: El modelo de aprendizaje automático Tyche podría ayudar a capturar información crucial. (Foto cortesía de 123RF)

En el campo de la biomedicina, la segmentación es el proceso de anotar píxeles de una estructura importante en imágenes médicas, como órganos o células. Los modelos de Inteligencia Artificial (IA) se utilizan para ayudar a los médicos resaltando píxeles indicativos de enfermedades o anomalías. Sin embargo, estos modelos de IA suelen proporcionar una respuesta singular, a pesar de la ambigüedad inherente a la segmentación de imágenes médicas. Por ejemplo, cinco anotadores expertos diferentes podrían producir cinco segmentaciones variadas de un nódulo pulmonar en una tomografía computarizada, cada una de las cuales difiere en la existencia o extensión de los bordes de un nódulo en una imagen de tomografía computarizada del pulmón. Reconocer estas discrepancias y las incertidumbres inherentes puede influir significativamente en la toma de decisiones clínicas.

Ahora, investigadores del MIT (Cambridge, MA, EUA) han desarrollado una nueva herramienta de inteligencia artificial, llamada Tyche, que está diseñada para capturar la incertidumbre en una imagen médica. Tyche genera múltiples segmentaciones plausibles que resaltan áreas ligeramente diferentes de una imagen médica. Los usuarios pueden configurar la cantidad de opciones de salida que ofrece Tyche y elegir la más adecuada para sus necesidades específicas. Una de las ventajas clave de Tyche es que no requiere reentrenamiento para cada nueva tarea de segmentación, lo que lo hace más fácil de usar para médicos e investigadores biomédicos que otros métodos de IA. Esta herramienta se puede utilizar desde el primer momento para diversas aplicaciones, que van desde la detección de lesiones en radiografías de pulmón hasta la identificación de anomalías en resonancias magnéticas del cerebro, mejorando potencialmente los procesos de diagnóstico o apoyando la investigación biomédica al resaltar detalles críticos que otras herramientas podrían pasar por alto.

En pruebas que utilizaron conjuntos de datos de imágenes médicas anotadas, Tyche demostró su capacidad para capturar la diversidad de anotadores humanos de manera efectiva. Se descubrió que sus mejores predicciones superaban las de los modelos de referencia y también operaba más rápido. Tyche incluso superó a modelos más complejos entrenados con conjuntos de datos extensos y especializados. De cara al futuro, los investigadores pretenden explorar el uso de conjuntos de contextos más adaptables, que podrían incluir descripciones textuales o múltiples tipos de imágenes. También están interesados en mejorar la precisión de las predicciones menos precisas de Tyche y perfeccionar el sistema para recomendar mejor las opciones de segmentación más confiables.

“La ambigüedad ha sido poco estudiada. Si su modelo omite por completo un nódulo que tres expertos dicen que está ahí y dos expertos dicen que no, probablemente sea algo a lo que deba prestar atención”, dijo el autor principal Adrian Dalca.

“Si se quiere tener en cuenta la ambigüedad, a menudo hay que utilizar un modelo extremadamente complicado. Con el método que proponemos, nuestro objetivo es hacerlo fácil de usar con un modelo relativamente pequeño para que pueda hacer predicciones rápidamente”, añadió Marianne Rakic, candidata a doctorado en informática del MIT.

Enlaces relacionados:
MIT

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Digital Radiography Generator
meX+20BT lite
New
Miembro Plata
Radiographic Positioning Equipment
2-Step Multiview Positioning Platform
Color Doppler Ultrasound System
KC20

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: La IA analiza imágenes térmicas de teléfonos inteligentes para producir predicciones del riesgo de cáncer de mama (foto cortesía de Thermaiscan Technology)

Solución portátil de imágenes térmicas impulsada por IA podría complementar la mamografía

El cáncer de mama sigue siendo un importante problema de salud mundial para las mujeres, con tasas de incidencia y mortalidad cada vez mayores. En muchos países de ingresos bajos y medianos,... Más

Ultrasonido

ver canal
Imagen: El implante de cráneo experimental puede permitir imágenes de ultrasonido funcional del cerebro (foto cortesía de Todd Patterson)

Imágenes de ultrasonido funcional registran actividad cerebral a través de un implante de cráneo transparente

Las imágenes cerebrales funcionales, que capturan datos de la actividad cerebral midiendo cambios en el flujo sanguíneo o impulsos eléctricos, proporcionan información crucial... Más

Medicina Nuclear

ver canal
Imagen:  Los investigadores han identificado un nuevo biomarcador de imágenes para las respuestas tumorales a la terapia con ICI (foto cortesía de 123RF)

Nuevo biomarcador PET predice el éxito de inmunoterapia con inhibidores de puntos de control

Las inmunoterapias, como los inhibidores de puntos de control (ICI, sus siglas en inglés), han mostrado resultados clínicos prometedores en el tratamiento del melanoma, el cáncer de... 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.