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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Aprendizaje profundo detecta fracturas en imágenes de rayos X con una precisión del 99%

Por el equipo editorial de MedImaging en español
Actualizado el 08 May 2024
Imagen: el aprendizaje profundo permite decisiones más rápidas y precisas sobre el tratamiento de anormalidades de los hombros (foto cortesía de 123RF)
Imagen: el aprendizaje profundo permite decisiones más rápidas y precisas sobre el tratamiento de anormalidades de los hombros (foto cortesía de 123RF)

En todo el mundo, 1.700 millones de personas padecen afecciones musculoesqueléticas que pueden causar dolor y discapacidad importantes. Estas condiciones a menudo requieren decisiones de diagnóstico y tratamiento rápidas y precisas, particularmente en escenarios de emergencia. Aunque se han explorado tecnologías de aprendizaje profundo para ayudar en la toma de decisiones médicas, problemas como el bajo rendimiento y la opacidad han obstaculizado su eficacia para identificar problemas relacionados con el hombro, como fracturas, artritis o deformidades en imágenes de rayos X. Ahora, los científicos han creado un marco de aprendizaje profundo que puede identificar anomalías del hombro, como fracturas, en imágenes de rayos X con una notable precisión del 99%, ayudando a los médicos a tomar decisiones rápidas y precisas durante las emergencias.

Para construir el marco de aprendizaje profundo, los científicos de la Universidad Tecnológica de Queensland (QUT, Brisbane, Australia) emplearon una técnica de fusión de características que combina características derivadas de siete modelos neuronales profundos. El éxito de las técnicas de clasificación basadas en el aprendizaje automático depende en gran medida de características totalmente descriptivas para diferenciar con precisión varias clases. La técnica de fusión de características mejora los resultados de los modelos individuales al proporcionar una descripción completa de los datos internos, lo que da como resultado una representación compacta de las características fusionadas y, por lo tanto, mejora la precisión del diagnóstico de la tarea.

Al entrenar y evaluar individualmente siete redes neuronales convolucionales profundas para la extracción de características, los investigadores pudieron fusionar estas características extraídas en un conjunto de datos unificado para entrenar clasificadores de aprendizaje automático. Este marco propuesto logró una asombrosa tasa de precisión del 99,2 %, superando tanto a los métodos computacionales anteriores como a la precisión diagnóstica de los médicos humanos, incluidos los cirujanos ortopédicos y radiólogos, que lograron una tasa de precisión del 79 %.

"El marco propuesto ha sido validado frente a varios sesgos potenciales para garantizar una toma de decisiones confiable", dijo el coinvestigador profesor YuanTong Gu de la QUT, vicerrector adjunto y director de la Escuela de Ingeniería Mecánica, Médica y de Procesos de QUT. "Esta herramienta puede proporcionar decisiones en tiempo real, lo cual es crucial para un problema de este tipo".

Enlaces relacionados:
Universidad Tecnológica de Queensland

Portable Color Doppler Ultrasound System
S5000
Digital Intelligent Ferromagnetic Detector
Digital Ferromagnetic Detector
Ultra-Flat DR Detector
meX+1717SCC
Ultrasound Imaging System
P12 Elite

Canales

RM

ver canal
Imagen: los investigadores utilizaron RM y pantalones inspirados en la NASA para mejorar las pruebas de esfuerzo y revelar problemas cardíacos ocultos (foto cortesía de UTA)

Nueva técnica de resonancia magnética revela problemas cardíacos ocultos

Las pruebas de esfuerzo tradicionales, realizadas en una máquina de resonancia magnética (RM), requieren que los pacientes permanezcan acostados, una posición que mejora artificialmente... Más

Ultrasonido

ver canal
Imagen: una nueva técnica de imágenes por ultrasonido médico para la monitorización en la cama del paciente podría conducir a una mejor atención al paciente (foto cortesía de Jennifer Mueller/CSU)

Nueva técnica de imágenes por ultrasonido permite el monitoreo en la UCI

La tomografía computarizada por ultrasonido (TCUS) presenta una alternativa más segura a técnicas de imagen como la tomografía computarizada por rayos X (comúnmente conocida... Más

Medicina Nuclear

ver canal
Imagen: El estudio de imágenes de cáncer de próstata tiene como objetivo reducir la necesidad de biopsias (foto cortesía de Shutterstock)

Nuevo enfoque de imagen podría reducir la necesidad de biopsias para monitorear el cáncer de próstata

El cáncer de próstata es la segunda causa principal de muerte por cáncer en hombres en Estados Unidos. Sin embargo, la mayoría de los hombres mayores diagnosticados con esta... Más

Imaginología General

ver canal
Imágenes de resultado positivo en examen de detección de colonografía por TC en un hombre asintomático de 67 años (foto cortesía de Radiology)

La colonografía por TC supera a la prueba de ADN en heces para la detección del cáncer de colon

Dado que el cáncer colorrectal sigue siendo la segunda causa principal de muertes relacionadas con el cáncer a nivel mundial, la detección temprana mediante pruebas de cribado es fundamental... 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 © 2000-2025 Globetech Media. All rights reserved.