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.

IA mejora el diagnóstico de fracturas de cadera mediante rayos X

Por el equipo editorial de MedImaging en español
Actualizado el 10 Aug 2020
Print article
Imagen: Un algoritmo de aprendizaje profundo puede ayudar a los radiólogos a detectar fracturas de cadera (Fotografía cortesía de Getty Images)
Imagen: Un algoritmo de aprendizaje profundo puede ayudar a los radiólogos a detectar fracturas de cadera (Fotografía cortesía de Getty Images)
El uso de algoritmos de inteligencia artificial (IA) para analizar imágenes de rayos X mejora la identificación de las fracturas de cadera por parte del radiólogo, según un estudio nuevo.

Desarrollada por investigadores de la Universidad de Teikyo (Tokio, Japón), la Universidad de Salud Ocupacional y Ambiental (Fukuoka, Japón) y otras instituciones, la red neuronal convolucional profunda (CNN) para detectar fracturas de cadera a partir de rayos X, utilizó la tomografía computarizada (TC) y la resonancia magnética (MRI) como estándar de oro para la comparación. El estudio involucró a 327 pacientes a quienes les realizaron una TC o RM pélvica y fueron diagnosticadas con fracturas femorales proximales; el algoritmo de IA se entrenó con 302 de estos exámenes.

Los 25 casos restantes y otros 25 pacientes control se utilizaron luego para probar el DCNN, y siete lectores participaron en este estudio; una escala de calificación continua registró el nivel de confianza de cada observador. Posteriormente, cada observador interpretó las radiografías con las salidas de la CNN y las calificó nuevamente. A continuación, se utilizó el área bajo la curva (AUC) para comparar la detección de fracturas. Los resultados mostraron que el AUC promedio de los lectores fue de 0,832; el AUC de la DCNN solo fue 0,905; y el AUC promedio de los lectores con salidas de CNN fue 0,876. El estudio fue publicado el 23 de julio de 2020 en la revista European Journal of Radiology.

“Los resultados del estudio muestran que la IA ofrece una serie de beneficios para este escenario clínico en particular. Las CNN profundas puede tener el potencial de identificar características abstractas adicionales que no han sido evidentes para el lector humano”, concluyeron el autor principal, Tsubasa Mawatari, PhD, y sus colegas. “La combinación podría mitigar la tarea, a veces desafiante, de detectar fracturas de cadera en los rayos X, aumentar la eficiencia del diagnóstico y ampliar el acceso a la interpretación de imágenes médicas de 'nivel experto'“.

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA basados en representaciones de datos de aprendizaje, a diferencia de los algoritmos específicos de tareas. Se trata de algoritmos de redes neurales convolucionales que utilizan una cascada de muchas capas de unidades de procesamiento no lineales para la extracción, conversión y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
Universidad de Teikyo
Universidad de Salud Ocupacional y Ambiental


Print article

Canales

RM

ver canal
Imagen: El dispositivo de protección de la bomba de infusión SpaceStation MRI (Fotografía cortesía de B. Braun)

Bombas de infusión compatibles con la resonancia magnética extienden el cuidado permanente

Un dispositivo nuevo de protección para bombas de infusión permite la administración continua de medicamentos a los pacientes, incluso dentro del conjunto de imágenes por resonancia magnética (RM).... Más

Imaginología General

ver canal
Imagen: El autor principal, el Dr. Adolfo Lozano, trabaja en el modelo de computadora de prueba de concepto (Fotografía cortesía de UTD)

Imagenología térmica de alta resolución ayuda a monitorizar los tumores de mama

Según un estudio nuevo, la detección termográfica de cambios fisiopatológicos dentro de la mama podría ayudar a la monitorización de los tumores sin la necesidad de radiación de mamografía ionizante.... Más

Industria

ver canal
Imagen: AI-Rad Companion Chest CT genera automáticamente informes estandarizados, reproducibles y cuantitativos en formato DICOM SC (Fotografía cortesía de Siemens Healthineers).

Software para la TC de tórax basada en IA de Siemens Healthineers recibe aprobación de la FDA de los EUA

La Administración de Medicamentos y Alimentos de los Estados Unidos (FDA) aprobó tres módulos de AI-Rad Companion Chest CT, un asistente de software inteligente de Siemens Healthineers (Erlangen, Alemania)... Más
Copyright © 2000-2020 Globetech Media. All rights reserved.