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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Aprendizaje profundo mejora la precisión en evaluaciones de calidad de la elastografía por resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 06 Sep 2024
Print article
Imagen: El estudio demostró un enfoque automatizado basado en DL para clasificar la calidad de diagnóstico de la ERM 2D de hígado (Foto cortesía de Georgia Tech)
Imagen: El estudio demostró un enfoque automatizado basado en DL para clasificar la calidad de diagnóstico de la ERM 2D de hígado (Foto cortesía de Georgia Tech)

La enfermedad hepática afecta a millones de personas en todo el mundo, con muchas más en etapas no detectadas de enfermedad del hígado graso. Si no se diagnostican ni se tratan, estas afecciones pueden progresar a cirrosis, que implica cicatrices hepáticas irreversibles. Por lo general, se realiza una biopsia después de un resultado anormal en un análisis de sangre para diagnosticar y controlar el tejido hepático, pero este procedimiento conlleva riesgos y consume tiempo. Para evitar estos problemas, se han desarrollado técnicas no invasivas como la elastografía por resonancia magnética (ERM). La ERM, que combina tecnología de ultrasonido y resonancia magnética, visualiza los niveles de rigidez del hígado para indicar la cicatrización y se ha convertido en un método preferido para diagnosticar problemas hepáticos. No obstante, las exploraciones de ERM pueden fallar debido a varios factores, como el movimiento del paciente, rasgos fisiológicos específicos o problemas técnicos como la generación incorrecta de ondas. La creciente demanda de servicios de diagnóstico combinada con la escasez de personal subraya la necesidad de un método confiable y automatizado para clasificar la calidad de las imágenes de ERM para mejorar la eficiencia y minimizar los procedimientos repetidos.

Ahora, investigadores de la Escuela de Ingeniería Mecánica George W. Woodruff (Atlanta, Georgia, EUA) han utilizado con éxito el aprendizaje profundo para mejorar significativamente la precisión de las evaluaciones de calidad de imágenes de MRE. Al utilizar cinco modelos de entrenamiento de aprendizaje profundo, lograron una precisión del 92 % en imágenes retrospectivas de pacientes, que variaban en cuanto a la rigidez del hígado. Esta tecnología también logró un retorno de los datos analizados en cuestión de segundos, lo que permitió a los técnicos realizar los ajustes necesarios en el momento para evitar la necesidad de visitas adicionales del paciente debido a exploraciones iniciales de baja calidad.

Los hallazgos, detallados en el Journal of Magnetic Resonance Imaging, hacen avanzar aún más los esfuerzos para automatizar las revisiones de calidad de las imágenes por resonancia magnética mediante el aprendizaje profundo, un área relativamente inexplorada en la tecnología de imágenes médicas. Esta investigación no solo establece un punto de referencia para futuros estudios en otros órganos como el bazo o los riñones, sino que también puede extenderse a la automatización del control de calidad de la imagen en enfermedades como el cáncer de mama o la distrofia muscular, donde la rigidez del tejido es un marcador crítico de la salud y la progresión de la enfermedad. El equipo planea probar más sus modelos en los escáneres de resonancia magnética de Siemens Healthineers en el próximo año, lo que podría transformar los procesos de diagnóstico en varios campos médicos.

Enlaces relacionados:
Escuela de Ingeniería Mecánica George W. Woodruff

New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
New
Digital X-Ray Detector Plate
Acuity DRe
New
Opaque X-Ray Mobile Lead Barrier
2594M
New
Portable Color Doppler Ultrasound Scanner
DCU10

Print article
Radcal

Canales

Ultrasonido

ver canal
Imagen: Ejemplo de una ecografía convencional B-scan que muestra una lesión mamaria sospechosa (imagen de la izquierda) y con el nuevo análisis H-scan que muestra la masa posiblemente maligna en color (imagen de la derecha) (foto cortesía de Jihye Baek)

Nuevas tecnologías de ultrasonidos mejoran el diagnóstico del cáncer, enfermedades hepáticas y otras patologías

Varias enfermedades, incluidos algunos tipos de cáncer, pueden permanecer ocultas o ser difíciles de detectar mediante técnicas tradicionales de imagen médica.... Más

Medicina Nuclear

ver canal
Imagen: Un nuevo biomarcador facilita la distinción entre Alzheimer y la tauopatía primaria (foto cortesía de Shutterstock)

Algoritmo diagnóstico distingue entre Alzheimer y tauopatía primaria utilizando la PET

Los pacientes a menudo llegan a hospitales universitarios con enfermedades tan raras y específicas que apenas son reconocidas por los médicos en práctica Un ejemplo notable son las tauopatías primarias... Más

Imaginología General

ver canal
Imagen: Comparación de la reconstrucción iterativa (IR2) y la eliminación de ruido basada en aprendizaje profundo (DLD) al 100% mAs y 25% mAs en una TC cerebral sin contraste en un paciente con una lesión cerebral traumática (foto cortesía de Academic Radiology; doi.org/10.1016/j.acra.2024.08.018)

Algoritmo de IA reduce la exposición innecesaria a la radiación en las TC neurorradiológicas traumáticas

Las emergencias neurorradiológicas traumáticas abarcan afecciones que requieren un diagnóstico inmediato y preciso para un tratamiento eficaz y resultados óptimos para el paciente.... 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: SONASes un dispositivo de ultrasonido portátil alimentado por batería para la evaluación no invasiva de la perfusión cerebral (foto cortesía de BURL Concepts)

Una colaboración innovadora mejorará la detección del accidente cerebrovascular isquémico

La evaluación del ictus isquémico se ha visto obstaculizada durante mucho tiempo por las limitaciones de las técnicas de diagnóstico por imagen tradicionales, como la tomografía... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.