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




Modelo de aprendizaje profundo diagnostica anomalías en la rodilla como un radiólogo experimentado

Por el equipo editorial de MedImaging en español
Actualizado el 02 Dec 2024
Print article
Imagen: El modelo de aprendizaje profundo puede ayudar a clasificar 12 tipos comunes de anomalías de la rodilla (foto cortesía de 123RF)
Imagen: El modelo de aprendizaje profundo puede ayudar a clasificar 12 tipos comunes de anomalías de la rodilla (foto cortesía de 123RF)

La articulación de la rodilla, una articulación en bisagra compleja, es una de las principales articulaciones de soporte de peso en el cuerpo humano y facilita los diversos movimientos necesarios para las actividades diarias. El envejecimiento y las lesiones pueden causar varias anomalías en la rodilla, lo que provoca dolor y disfunción. Por lo tanto, el diagnóstico preciso de estas anomalías es esencial para crear planes de tratamiento personalizados y mejorar la calidad de vida de los pacientes. Dada la intrincada anatomía de la articulación de la rodilla, diferentes parámetros de escaneo pueden arrojar resultados variados. Además, algunas lesiones sutiles pueden pasarse por alto, especialmente por radiólogos con experiencia limitada. La resonancia magnética (RM) de rodilla en secuencias múltiples es una técnica avanzada y no invasiva para diagnosticar patologías de la rodilla. Sin embargo, la interpretación de los resultados de la RM requiere mucho tiempo y depende en gran medida de la experiencia del radiólogo. En respuesta a esto, los investigadores han desarrollado un innovador modelo de aprendizaje profundo que ayuda a clasificar 12 tipos comunes de anomalías en la rodilla, mejorando tanto la eficiencia como la precisión diagnóstica.

En un estudio colaborativo, investigadores del HKUST Smart Lab (Kowloon, Hong Kong) y del Tercer Hospital Afiliado de la Universidad Médica del Sur (Guangzhou, China) analizaron datos de 1.748 pacientes. El estudio incluyó secuencias de RM ponderadas en T1 (T1W), T2 (T2W) y de densidad de protones (PDW) de los planos sagital, coronal y axial. Al combinar estos datos de RM con los resultados de la artroscopia, que se considera el estándar de oro para diagnosticar anomalías de la rodilla, los investigadores realizaron un análisis exhaustivo e identificaron 12 anomalías comunes de la rodilla. Luego desarrollaron un modelo de aprendizaje profundo, llamado Atención co-planar a través de secuencias de RM (CoPAS), para clasificar estas anomalías. El modelo capturó de manera eficaz las variaciones de intensidad en diferentes secuencias de RM e identificó correlaciones complejas con tipos de anomalías al separar las características espaciales, lo que dio como resultado una alta precisión de clasificación.

Para evaluar la efectividad del modelo, los investigadores realizaron pruebas clínicas simuladas. Inicialmente, los radiólogos proporcionaron diagnósticos basados únicamente en imágenes de RM. Después de un período de descanso, se les pidió que realizaran diagnósticos nuevamente, esta vez utilizando los resultados del modelo como referencia. Los resultados mostraron que la precisión diagnóstica promedio del modelo superó la de los radiólogos junior y fue comparable a la de los radiólogos senior. La precisión diagnóstica general de todos los radiólogos mejoró significativamente con la ayuda del modelo, según el estudio publicado en Nature Communications. Un análisis de interpretabilidad adicional comparó los hallazgos clínicos con el resultado del modelo, revelando que el proceso de toma de decisiones del modelo coincidía estrechamente con las preferencias clínicas. Esto sugiere que el modelo ha desarrollado un marco de toma de decisiones similar al de los radiólogos, lo que mejora su confiabilidad para la implementación clínica.

“Este innovador modelo CoPAS demuestra un rendimiento diagnóstico comparable al de los radiólogos. Es particularmente beneficioso para cerrar la brecha entre los médicos menos experimentados y los más experimentados”, afirmó el profesor asistente CHEN Hao, del Departamento de Ciencias de la Computación e Ingeniería y del Departamento de Ingeniería Química y Biológica de la HKUST, quien lideró el estudio. “Nuestros hallazgos subrayan la promesa de la inteligencia artificial en la atención médica, destacando su potencial para identificar y validar nuevos conocimientos clínicos”.

New
Ultrasound Probe Disinfection Solution
UltrOx
3T MRI Scanner
MAGNETOM Cima.X
New
Ultrasonic Pocket Doppler
SD1
New
Ultrasound Table
General 3-Section Top EA Ultrasound Table

Print article

Canales

Radiografía

ver canal
Imagen:Los gráficos ilustran cómo se ven las imágenes 3D con XACT con ejemplos del logotipo de la UC a la izquierda y una muestra de hueso a la derecha (foto cortesía de la Escuela de Medicina de UCI)

Imágenes 3D por TC a partir de una sola proyección de rayos X reducen la exposición a la radiación

La tomografía computarizada (TC) ha sido durante mucho tiempo una herramienta esencial en la obtención de imágenes modernas, ya que ofrece vistas 3D detalladas del cuerpo humano y otros materiales.... Más

Ultrasonido

ver canal
Imagen: El nuevo método para combatir el cáncer puede estimular la secreción de citocinas críticas en las células T

Microburbujas dirigidas por ultrasonidos potencian la respuesta inmunitaria contra los tumores

Un desafío importante en el tratamiento del cáncer es la capacidad del tumor para suprimir el sistema inmunológico, en particular desactivando las células T que ingresan al tumor. Una vez dentro, el tumor... Más

Medicina Nuclear

ver canal
Imagen: La combinación de imágenes avanzadas permitió a los investigadores determinar las regiones metabólicamente más activas o agresivas del glioblastoma (Foto cortesía de Mayo Clinic)

Una combinación de tecnologías de imágenes avanzadas ofrece un avance en el tratamiento del glioblastoma

El glioblastoma es la forma más mortal de cáncer cerebral primario, en gran medida debido a su crecimiento agresivo y su resistencia al tratamiento. El tumor se infiltra en el tejido cerebral... Más

Imaginología General

ver canal
Imagen: Los métodos automatizados permiten el análisis de exploraciones PET/CT (izquierda) para predecir con precisión la ubicación y el tamaño del tumor (derecha)(Foto cortesía de Nature Machine Intelligence, 2024. DOI: 10.1038/S42256-024-00912-9)

Algoritmos de aprendizaje profundo mejoran la detección de tumores en exploraciones PET/TC

Las técnicas de diagnóstico por imágenes son esenciales para el diagnóstico del cáncer, ya que determinar con precisión la ubicación, el tamaño y el tipo de tumores es fundamental para seleccionar el tratamiento... 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: La colonoscopia virtual (colonografía por TC) es una opción aprobada para la detección del cáncer colorrectal en los EUA (Foto cortesía de Shtutterstock)

Bracco Diagnostics y ColoWatch se asocian para ampliar la disponibilidad de pruebas de detección de CCR mediante colonoscopia virtual

En los últimos 25 años, la colonoscopia virtual ha demostrado ser un método altamente preciso, seguro, conveniente y rentable para la prevención y detección del cáncer... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.