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

Deascargar La Aplicación Móvil




Nueva herramienta de IA detecta y caracteriza con precisión microcalcificaciones en mamografía

Por el equipo editorial de MedImaging en español
Actualizado el 12 Jan 2024
Imagen: El modelado de IA detecta y clasifica las microcalcificaciones de mama (Fotografía cortesía de 123RF)
Imagen: El modelado de IA detecta y clasifica las microcalcificaciones de mama (Fotografía cortesía de 123RF)

La detección del cáncer de mama mediante mamografía es crucial para la detección temprana; sin embargo, la demanda de servicios de mamografía supera la capacidad de los radiólogos. La inteligencia artificial (IA) puede ayudar a evaluar las microcalcificaciones en las mamografías. Un equipo de investigadores ha desarrollado y probado un modelo de IA que puede detectar y caracterizar con precisión microcalcificaciones en mamografías.

En la investigación realizada en el Instituto Europeo de Oncología IEO IRCCS (Milán, Italia), tres radiólogos expertos anotaron un conjunto de datos de 1.000 pacientes y 1.986 mamografías utilizando datos reales basados en histología. El conjunto de datos se dividió para entrenamiento, validación y prueba. Del total, 389 grupos de microcalcificaciones se consideraron malignos y 611 benignos. Luego, el equipo entrenó y evaluó tres redes neuronales (AlexNet, ResNet18 y ResNet34) utilizando métricas específicas que incluyen el área bajo la curva (AUC) de las características operativas del receptor, la sensibilidad y la especificidad.

El equipo evaluó la capacidad de las redes neuronales para detectar y clasificar microcalcificaciones y descubrió que AlexNet ofrecía el mejor desempeño general entre las tres redes neuronales. Los investigadores también encontraron que AlexNet tenía un valor predictivo negativo de las tres redes en detección (0,94) y clasificación (0,88). El estudio destaca la importancia de desarrollar modelos confiables de aprendizaje profundo que posiblemente se apliquen a la detección del cáncer de mama. Basándose en sus hallazgos, el equipo de investigación ha sugerido que estos modelos ofrecen el potencial de mejorar el trabajo de los radiólogos de mama, particularmente en los programas de detección del cáncer de mama.

Enlaces relacionados:
IEO IRCCS

X-ray Diagnostic System
FDX Visionary-A
Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
Floor‑Mounted Digital X‑Ray System
MasteRad MX30+
Adjustable Mobile Barrier
M-458

Canales

Ultrasonido

ver canal
Imagen: Un corte transversal del cerebro revela la arquitectura simétrica de la red vascular (cian-verde) y el trazador que resalta el sistema glinfático (rojo-amarillo) a lo largo de la superficie cerebral y las vías de drenaje, visualizados a través del cráneo intacto mediante la técnica 3D-PAULM (Foto cortesía de la Universidad de Duke)

Plataforma de imagen híbrida revela cómo el sueño favorece la eliminación de desechos del cerebro

El sistema glinfático del cerebro elimina los desechos metabólicos a través del líquido cefalorraquídeo y se cree que contribuye a la salud neuronal durante el sueño.... Más

TI en Imaginología

ver canal
Imagen: La plataforma admite la creación de informes asistida por IA en tiempo real a medida que los radiólogos dictan, extrayendo los hallazgos del habla natural y colocándolos en las secciones apropiadas del informe (Crédito de la imagen: Adobe Stock)

Plataforma de informes con IA ambiental agiliza la elaboración de informes radiológicos

Los departamentos de radiología se enfrentan a un volumen creciente de imágenes y a la escasez de personal, lo que genera cuellos de botella en la elaboración de informes y presión... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.