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 combina aprendizaje profundo y física para reparar resonancias magnéticas dañadas por movimiento

Por el equipo editorial de MedImaging en español
Actualizado el 22 Aug 2023
Print article
Imagen: Un modelo de aprendizaje profundo es capaz de corregir los movimientos en la resonancia magnética del cerebro (Fotografía cortesía del MIT)
Imagen: Un modelo de aprendizaje profundo es capaz de corregir los movimientos en la resonancia magnética del cerebro (Fotografía cortesía del MIT)

La resonancia magnética (RM) es conocida por su capacidad superior para proporcionar un contraste de tejidos blandos de alta calidad, lo que la convierte en una opción preferida sobre otras técnicas de imágenes como rayos X o tomografías computarizadas. Sin embargo, uno de los desafíos de la resonancia magnética es su extrema sensibilidad incluso hasta los movimientos más pequeños, lo que genera artefactos en la imagen. Estos artefactos pueden oscurecer detalles esenciales, poniendo a los pacientes en riesgo de ser diagnosticados erróneamente o de recibir un tratamiento incorrecto. El proceso de una exploración por resonancia magnética varía en duración, desde unos minutos hasta una hora entera, dependiendo de las imágenes específicas requeridas. Incluso durante los escaneos más rápidos, los movimientos menores pueden distorsionar enormemente la imagen resultante. Mientras que en las imágenes típicas de una cámara, el movimiento produce un desenfoque localizado, el movimiento durante una exploración por resonancia magnética puede causar artefactos que dañan toda la imagen. A algunos pacientes se les puede anestesiar o pedirles que controlen su respiración para minimizar el movimiento, pero estas soluciones no siempre son factibles, especialmente en poblaciones específicas como niños o pacientes con trastornos psiquiátricos.

Investigadores del MIT (Cambridge, MA, EUA) han afrontado este desafío mediante la creación de un novedoso modelo de aprendizaje profundo que puede corregir el movimiento en exploraciones por resonancia magnética del cerebro. Este método combina modelado basado en la física con técnicas de aprendizaje profundo, lo que permite la construcción de una imagen libre de movimiento a partir de datos corruptos, sin la necesidad de alterar el proceso de escaneo real. La brillantez de este método combinado es su capacidad para garantizar la coherencia entre la imagen producida y las medidas físicas reales de lo que se representa. Si no se mantiene este equilibrio, el modelo podría crear "alucinaciones": imágenes que parecen realistas pero que son física y espacialmente incorrectas. Esto podría conducir a diagnósticos aún más engañosos. La aplicación de una resonancia magnética libre de artefactos de movimiento no sólo mejoraría los resultados de los pacientes sino que también tiene implicaciones de amplio alcance, especialmente para pacientes con trastornos neurológicos que causan movimientos involuntarios, como la enfermedad de Alzheimer o de Parkinson.

El impacto de los artefactos de movimiento no se limita únicamente al diagnóstico del paciente. Un estudio anterior estimó que los problemas relacionados con el movimiento afectan al 15 % de las resonancias magnéticas del cerebro, lo que lleva a exploraciones repetidas o sesiones de imágenes prolongadas. Esta necesidad de volver a obtener imágenes se traduce en mayores costos hospitalarios por escáner. Los investigadores creen que su innovación podría ampliarse aún más. Las investigaciones futuras podrían profundizar en tipos más complejos de movimiento de la cabeza o explorar desafíos relacionados con el movimiento en otras partes del cuerpo. Por ejemplo, la resonancia magnética fetal, que enfrenta el problema del movimiento rápido e impredecible, requiere un método que va más allá de simples traslaciones y rotaciones. El desarrollo de un método de corrección del movimiento para resonancias magnéticas cerebrales marca un avance significativo en imágenes médicas que puede mejorar la precisión del diagnóstico y reducir los costos de atención médica.

Enlaces relacionados:
MIT

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound System
Aplio me
New
CT Phantom
CIRS Model 610 AAPM CT Performance Phantom
Breast Imaging Workstation
SecurView

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 parche de ultrasonido se puede usar en la sien para proporcionar un monitoreo continuo del flujo sanguíneo en el cerebro (Foto cortesía de David Baillot/UC San Diego Jacobs School of Engineering)

Parche ultrasónico portátil monitorea de forma continua el flujo sanguíneo cerebral.

El método clínico estándar para monitorear el flujo sanguíneo cerebral, la ecografía Doppler transcraneal, depende de que un técnico capacitado sostenga una sonda... 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

Imaginología General

ver canal
La imagen muestra similitudes entre las áreas de la función pulmonar obtenidas en el mismo paciente con CTFI y SPECT (foto cortesía de Corewell Health)

Software de imágenes mejora diagnóstico pulmonar en pacientes alérgicos al medio de contraste

Para hasta el 30 % de los pacientes que no pueden usar medios de contraste médicos debido a alergias u otras condiciones de salud, se puede retrasar el diagnóstico de problemas pulmonares... 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.