Presenta Sitios para socios Información LinkXpress hp
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

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. Más...

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


Digital X-Ray Detector Panel
Acuity G4
Ultrasound-Guided Biopsy & Visualization Tools
Endoscopic Ultrasound (EUS) Guided Devices
X-ray Diagnostic System
FDX Visionary-A
New
Radiation Safety Barrier
RayShield Intensi-Barrier
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a MedImaging.es y acceda a las noticias y eventos que afectan al mundo de la Radiología.
  • Edición gratuita de la versión digital de Medical Imaging Español enviado regularmente por email
  • Revista impresa gratuita de la revista Medical Imaging Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de Medical Imaging Español digital
  • Boletín de Medical Imaging Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Radiografía

ver canal
Imagen: la AI evalúa las mamografías mejor que los radiólogos (foto cortesía de la Universidad de Radboud)

Estrategia híbrida con IA mejora la interpretación de mamografías

Los programas de detección del cáncer de mama dependen en gran medida de la interpretación de las mamografías por parte de radiólogos, un proceso que requiere mucho tiempo... Más

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... Más

Imaginología General

ver canal
Imagen: un modelo de aprendizaje profundo basado en parches con un conjunto de datos de entrenamiento limitado para la segmentación de tumores hepáticos en TC con contraste (Yang et al. (2025), IEEE Access, 10.1109/Access.2025.3570728)

Modelo de IA segmenta con precisión tumores hepáticos a partir de tomografías computarizadas

El cáncer de hígado es el sexto tipo de cáncer más común en el mundo y una de las principales causas de muerte por cáncer. La segmentación precisa de los tumores hepáticos es crucial para el diagnóstico... 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.