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




Algoritmo de aprendizaje profundo realiza segmentación automática de cerebros neonatales a partir de imágenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 03 Apr 2024
Print article
Imagen: Los investigadores han creado una nueva herramienta de extracción de resonancia magnética cerebral para neonatos (Fotografía cortesía de 123RF)
Imagen: Los investigadores han creado una nueva herramienta de extracción de resonancia magnética cerebral para neonatos (Fotografía cortesía de 123RF)

La resonancia magnética (RMN) es una herramienta vital en el diagnóstico médico, particularmente debido a sus imágenes de alta resolución y contraste superior de los tejidos blandos, que la hacen crucial para evaluaciones cerebrales. Esta técnica de imágenes es particularmente vital para los recién nacidos, especialmente para evaluar la encefalopatía neonatal, donde ayuda a comprender la presencia y el patrón de lesiones cerebrales para un mejor pronóstico y planificación del tratamiento. La integración de la inteligencia artificial (IA) y el aprendizaje automático (ML) ha mejorado significativamente la precisión predictiva de los resultados funcionales en bebés utilizando datos de resonancia magnética. Un paso crucial en la preparación de datos para el análisis de ML de la resonancia magnética cerebral es la extracción del cerebro o la extracción del cráneo. Sin embargo, el desarrollo de algoritmos de extracción de cerebros neonatales ha sido limitado. Para abordar esta brecha, los investigadores han introducido un algoritmo automatizado basado en aprendizaje profundo para la extracción de resonancia magnética cerebral neonatal.

Un esfuerzo de colaboración entre investigadores de la Universidad de California en San Francisco (UCSF) y el Centro Médico de la Universidad de Duke (Durham, Carolina del Norte, EUA) ha llevado a la creación de ANUBEX. Este algoritmo de aprendizaje profundo está diseñado específicamente para la segmentación automática de cerebros neonatales a partir de exploraciones por resonancia magnética. El desarrollo de ANUBEX, un extractor automatizado de resonancia magnética cerebral nnU-Net neonatal, utilizó varias secuencias de resonancia magnética, como imágenes ponderadas en T1, ponderadas en T2 y ponderadas por difusión (DWI) de estudios de resonancia magnética neonatal.

Los investigadores descubrieron que ANUBEX mantiene un rendimiento constante cuando se entrena en exploraciones de resonancia magnética independientes de la secuencia o con movimiento degradado, aunque mostró una efectividad ligeramente menor en cerebros prematuros. El enfoque basado en el aprendizaje profundo de ANUBEX ha demostrado un rendimiento preciso en resonancias magnéticas de alta y baja resolución, ofreciendo un procesamiento computacional rápido. Esta precisión en la segmentación del tejido cerebral es crucial para el análisis de imágenes y las mediciones volumétricas posteriores. Las direcciones futuras de esta investigación incluyen ampliar la evaluación de la precisión de ANUBEX más allá del rango de edad neonatal para incluir a niños pequeños y adultos. Además, es necesario evaluar la eficacia del modelo en cerebros con diversas patologías estructurales.

Enlaces relacionados:
UCSF
Centro Médico de la Universidad de Duke  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound System
Voluson Signature 18
New
CT Phantom
CIRS Model 610 AAPM CT Performance Phantom
New
Illuminator
Trimline Basic

Print article

Canales

Radiografía

ver canal
Imagen: La detección de cáncer de seno asistido por AI puede reducir las pruebas innecesarias (foto cortesía de Wustl)

Asistencia de IA mejora detección del cáncer de mama al reducir los falsos positivos

Radiólogos suelen detectar un caso de cáncer por cada 200 mamografías revisadas. Sin embargo, estas evaluaciones a menudo dan como resultado falsos positivos, lo que lleva a retiros... Más

Ultrasonido

ver canal
Imagen: Diagrama esquemático del sistema de administración de fármacos de nanopartículas estimulados por ultrasonido para la terapia de biopelícula (foto cortesía de BIO Integration))

Nueva nanopartícula activada por ultrasonido elimina la biopelícula y la infección bacteriana

Las biopelículas, formadas por bacterias que se agregan en densas comunidades para protegerse contra las duras condiciones ambientales, contribuyen de manera importante a diversas enfermedades infecciosas.... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... Más

Imaginología General

ver canal
Imagen: El modelo de aprendizaje automático Tyche podría ayudar a capturar información crucial. (Foto cortesía de 123RF)

Nuevo método de IA captura la incertidumbre en imágenes médicas

En el campo de la biomedicina, la segmentación es el proceso de anotar píxeles de una estructura importante en imágenes médicas, como órganos o células. Los modelos de Inteligencia Artificial (IA) se utilizan... 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.