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




Modelos de IA generativa podrían encontrar aplicación en TC de rayos X de dosis baja y resonancia magnética acelerada

Por el equipo editorial de MedImaging en español
Actualizado el 06 Feb 2024
Print article
Imagen: Los investigadores están mejorando los modelos de IA generativa para imágenes médicas del mundo real (Fotografía cortesía de 123RF)
Imagen: Los investigadores están mejorando los modelos de IA generativa para imágenes médicas del mundo real (Fotografía cortesía de 123RF)

Los modelos de difusión son un tipo de modelos generativos profundos que tienen mucho éxito en aplicaciones como la generación de imágenes y la síntesis de audio, así como en imágenes médicas y diseño de moléculas. Los modelos de difusión están diseñados para aprender la distribución de los datos, lo cual es importante para descifrar datos complejos y a gran escala del mundo real. Actualmente, existen varias limitaciones con respecto a las aplicaciones prácticas de los modelos de difusión. Por ejemplo, el entrenamiento y la inferencia de modelos de difusión requieren un uso intensivo de datos y son computacionalmente exigentes, lo que limita su uso en varias disciplinas científicas. Las imágenes generadas en imágenes médicas del mundo real son siempre de alta resolución y alta dimensión, mucho más allá de lo que pueden gestionar los modelos de difusión existentes en términos de memoria y eficiencia de tiempo. Además, los modelos de difusión tienen un tiempo de inferencia indeseablemente largo debido al procedimiento de muestreo iterativo.

El equipo de investigación de Ingeniería de Michigan de la Universidad de Michigan (Ann Arbor, MI, EUA) está trabajando en el desarrollo de modelos de difusión nuevos y más eficientes que puedan superar las limitaciones actuales. El equipo se centra en examinar cómo se pueden aplicar los modelos de difusión a problemas inversos, que es cuando se utiliza un conjunto de observaciones para determinar los factores que generaron los resultados. El equipo está trabajando para mejorar la aplicabilidad práctica y la interpretabilidad matemática de los modelos de difusión mediante el desarrollo de nuevos diseños de arquitectura e incrustaciones latentes.

Los investigadores también están desarrollando nuevas técnicas para mejorar la eficiencia del entrenamiento y el muestreo de los modelos de difusión. Están trabajando para crear modelos de difusión computacionalmente eficientes para datos de alta dimensión que podrían mejorar aún más la eficiencia de los datos, la memoria y el tiempo. Esto podría mejorar significativamente aplicaciones como las imágenes biomédicas de alta resolución y altas dimensiones, así como la predicción del movimiento basada en imágenes dinámicas de alta dimensión.

"Los modelos generativos son uno de los temas más candentes en el aprendizaje automático en este momento y estoy entusiasmado de tener la oportunidad de investigar su potencial para resolver problemas inversos, especialmente en imágenes médicas", dijo Fessler, profesor colegiado William L. Root de EECS. "Esperamos aplicar los métodos desarrollados en este proyecto a aplicaciones de imágenes médicas en 3D a gran escala, como la TC de rayos X de baja dosis y la resonancia magnética acelerada".

Enlaces relacionados:
Universidad de Michigan

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound Table
Ergonomic Advantage (EA) Line
Ultrasound Doppler System
Doppler BT-200
Under Table Shield
3 Section Double Pivot Under Table Shield

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: Los médicos ahora pueden ver la actividad de la médula espinal durante la cirugía (Fotografía cortesía de UC Riverside)

Tecnología de imágenes por ultrasonido permite a médicos observar actividad de médula espinal durante cirugía

Históricamente, los tratamientos para el dolor de espalda durante la cirugía han sido difíciles de evaluar de manera efectiva, en gran parte porque los pacientes bajo anestesia no... Más

Medicina Nuclear

ver canal
Imagen: Imágenes preoperatorias y postoperatorias de PSMA-PET/CT que muestran la extirpación de ganglios linfáticos pélvicos positivos en el procedimiento quirúrgico radioguiado (Fotografía cortesía de M.G.M. Schilham)

Cirugía radioguiada detecta y elimina con precisión ganglios linfáticos metastásicos en pacientes con cáncer de próstata

En pacientes con diagnóstico reciente de cáncer de próstata, la presencia y ubicación de metástasis en los ganglios linfáticos son fundamentales para guiar las... Más

Imaginología General

ver canal
Imagen: El sistema QTI Breast Acoustic CT es una herramienta de obtención de imágenes mamarias no invasiva, aprobada por la FDA (Fotografía cortesía de QT Imaging)

Tecnología innovadora revoluciona imágenes mamarias

Actualmente, la mamografía es el método principal para detectar el cáncer de mama en una etapa temprana y mejorar los resultados del tratamiento. A pesar de su uso generalizado, la... 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.