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




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.

Modelo de RM con IA clasifica los tumores intracraneales comunes

Por el equipo editorial de MedImaging en español
Actualizado el 15 Sep 2021
Print article
Imagen: Los colores de los mapas de color de GradCAM muestran la predicción de tumores (Fotografía cortesía de WUSTL)
Imagen: Los colores de los mapas de color de GradCAM muestran la predicción de tumores (Fotografía cortesía de WUSTL)
Un estudio nuevo afirma que un modelo 3D de inteligencia artificial (IA) es capaz de clasificar un tumor cerebral como uno de los seis tipos comunes a partir de un solo examen de resonancia magnética (RM).

Para desarrollar el algoritmo GradCAM, investigadores de la Universidad de Washington (WUSTL; St. Louis, MO, EUA), utilizaron 2.105 exámenes de resonancia magnética ponderadas en T1 de cuatro conjuntos de datos disponibles públicamente, divididos en capacitación (1.396), interna (361) y conjuntos de datos externos (348). Se entrenó una red neuronal convolucional (CNN) para discriminar entre exámenes sanos y aquellos con tumores, clasificados por tipo (glioma de alto grado, glioma de bajo grado, metástasis cerebrales, meningioma, adenoma hipofisario y neuroma acústico). A continuación, se evaluó el desempeño del modelo y se trazaron mapas de características para visualizar la atención de la red.

Los resultados de las pruebas internas mostraron que GradCAM logró una exactitud del 93,35% en siete clases de imágenes (una clase saludable y seis clases de tumores). Las sensibilidades variaron del 91% al 100% y el valor predictivo positivo (VPP) varió del 85% al 100%. El valor predictivo negativo (VPN) osciló entre el 98% y el 100% en todas las clases. La atención de la red se superpuso con las áreas tumorales para todos los tipos de tumores. Para el conjunto de datos de la prueba externa, que incluyó solo dos tipos de tumores (glioma de alto grado y glioma de bajo grado), GradCAM tuvo una exactitud del 91,95%. El estudio fue publicado el 11 de agosto de 2021 en la revista Radiology: Artificial Intelligence.

“Estos resultados sugieren que el aprendizaje profundo es un método prometedor para la clasificación y evaluación automatizadas de tumores cerebrales. El modelo logró una alta exactitud en un conjunto de datos heterogéneo y mostró excelentes capacidades de generalización en datos de prueba invisibles”, dijo el autor principal, Satrajit Chakrabarty, MSc, del departamento de ingeniería eléctrica y de sistemas. “Esta red es el primer paso hacia el desarrollo de un flujo de trabajo de radiología aumentado con inteligencia artificial que puede respaldar la interpretación de imágenes al proporcionar información cuantitativa y estadísticas”.

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 CNN 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 Washington

Proveedor de oro
Ultrasound Phantom
Multi-Purpose Multi-Tissue Ultrasound Phantom - Model 040GSE
New
CT Injector Syringe
MDT CT Injector Syringe
New
Flat Panel Detector (FPD)
DRX-LC Detector
New
Image Acquisition Software
ExamVue Duo

Print article
Radcal
FIME - Informa

Canales

Radiografía

ver canal
Imagen: Los cristales de BiOI similares al rubí pueden mejorar la seguridad de las imágenes médicas al reducir las intensidades de los rayos X dañinos (Fotografía cortesía de la Universidad de Cambridge)

Material de celdas solares sostenible podría revolucionar imágenes médicas

El uso de rayos X para obtener imágenes internas del cuerpo ha cambiado drásticamente los diagnósticos médicos no invasivos. Sin embargo, la alta dosis de rayos X requerida... Más

Ultrasonido

ver canal
Imagen: Unir microburbujas a los macrófagos puede crear imágenes de seguimiento sensibles y de alta resolución útiles para el diagnóstico de enfermedades (Fotografía cortesía del Instituto de Tecnología de Georgia)

Ultrasonido puede obtener imágenes de células inmunitarias mejoradas con microburbujas para diagnosticar cáncer en etapa temprana

Los macrófagos, un tipo de glóbulo blanco, protegen el cuerpo humano al rodear y consumir partículas extrañas como bacterias, virus y células muertas. En particular,... Más

Medicina Nuclear

ver canal
Imagen: Un nuevo método de imagen ofrece potencial para diagnosticar, estadificar y tratar múltiples tipos de cáncer (Fotografía cortesía de SNMMI)

Nuevo método de imagen es superior para diagnósticar múltiples tipos de cáncer

Los fibroblastos asociados con el cáncer juegan un papel importante en el desarrollo, la migración y la progresión del tumor. Un subconjunto de estos fibroblastos expresa la proteína... Más

Imaginología General

ver canal
Imagen: PET/MRI puede reducir a la mitad los tiempos de escaneo de cáncer de mama (Fotografía cortesía de Freepik)

Protocolo PET/MRI rápido reduce a la mitad tiempos de exploración para cáncer de mama

La estadificación precisa es esencial para las mujeres recién diagnosticadas con cáncer de mama, y la PET/MRI ha comenzado a ganar terreno como método para la estadificación... 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

Industria

ver canal
Imagen: Se espera que el mercado global de soluciones de imágenes médicas habilitadas para IA alcance los 1.836 millones de dólares en 2032 (Fotografía cortesía de Freepik)

Mercado mundial de soluciones de imágenes médicas habilitadas por IA impulsado por necesidad de detección temprana de enfermedades

El mercado de soluciones de imágenes médicas habilitadas por IA se encuentra actualmente en sus etapas de desarrollo, siguiendo el importante papel de las herramientas basadas en IA para... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.