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

New
Proveedor de oro
Electrode Solution and Skin Prep
Signaspray
Proveedor de oro
Ultrasound System
FUTUS LE
New
Bladder Scanner
PBSV3.2
New
X-Ray System
Leonardo DR mini III

Print article
Radcal

Canales

Radiografía

ver canal
Imagen:  INSIGHT CXR de Lunit detecta 10 hallazgos radiológicos anormales con una precisión del 97-99 % (Fotografía cortesía de Lunit)

Software de detección de lesiones basado en IA detecta nódulos pulmonares incidentales en radiografías de tórax

En el campo de la radiología, la inteligencia artificial (IA) ha logrado avances significativos, particularmente en el desarrollo de software de detección de lesiones basado en IA para r... Más

Ultrasonido

ver canal
Imagen: El nuevo parche de ultrasonido puede medir qué tan llena está la vejiga (Fotografía cortesía del MIT)

Parche de ultrasonido diseñado para monitorear la salud de la vejiga y riñones podría permitir diagnóstico más temprano del cáncer

La disfunción de la vejiga y los problemas de salud relacionados afectan a millones de personas en todo el mundo. Monitorear el volumen de la vejiga es crucial para evaluar la salud de los riñones.... Más

Medicina Nuclear

ver canal
Imagen: Un novedoso radiotrazador PET facilita la detección temprana y no invasiva de la EII (Fotografía cortesía de Karmanos)

Nuevo radiotrazador PET ayuda a detectar de forma temprana y no invasiva la enfermedad inflamatoria intestinal

La enfermedad inflamatoria intestinal (EII), que incluye la enfermedad de Crohn y la colitis ulcerosa, es una afección inflamatoria del tracto gastrointestinal que padecen aproximadamente a siete... Más

Imaginología General

ver canal
Imagen: La inteligencia artificial predice las respuestas a la terapia para el cáncer de ovario (Fotografía cortesía de 123RF)

Modelo de IA combina pruebas de sangre y análisis de TC para predecir respuesta a terapia en pacientes con cáncer de ovario

El cáncer de ovario afecta anualmente a miles de mujeres y muchos diagnósticos se producen en etapas avanzadas debido a síntomas tempranos sutiles. El carcinoma de ovario seroso de... 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: Los asistentes pueden descubrir productos y tecnología innovadores en las Exhibiciones Técnicas de RSNA 2023 (Fotografía cortesía de RSNA)

Exposiciones técnicas RSNA 2023 ofrecerá innovaciones en IA, impresión 3D y más

La 109.ª Asamblea Científica y Reunión Anual de la Sociedad Radiológica de América del Norte (RSNA, Oak Brook, IL, EUA), que se celebrará en Chicago del 26 al 30... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.