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.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Algoritmo podría acelerar los exámenes de resonancia magnética

Por el equipo editorial de MedImaging en español
Actualizado el 02 Dec 2011
Los investigadores han desarrollado un nuevo algoritmo que podría acelerar considerablemente la resonancia magnética (IRM) de 45 a 15 minutos.

En un artículo programado para ser publicado en la revista Magnetic Resonance in Medicine, investigadores dirigidos por el Dr. Elfar Adalsteinsson, profesor asociado de ingeniería eléctrica y ciencias de la computación y ciencias y tecnología de la salud y el Dr. Vivek Goyal, profesor asociado de ingeniería eléctrica y ciencias de la computación del Instituto de Tecnología de Massachusetts (MIT, Cambridge, MA, EUA) describen un algoritmo que han desarrollado para agilizar el proceso de resonancia magnética. El algoritmo utiliza la información obtenida en la primera exploración de contraste para ayudar a generar las imágenes posteriores. De esta manera, el lector no tiene que empezar desde el principio, cada vez que produce una nueva imagen de los datos originales, sino que ya tiene un esquema básico a partir del cual trabajar, reduciendo considerablemente el tiempo necesario para adquirir cada exploración posterior.

Para elaborar este esquema, el software busca características comunes a todos los diferentes análisis, tales como la estructura anatómica básica. Específicamente, el algoritmo utiliza el primer análisis para predecir la probable posición de los límites entre los diferentes tipos de tejido en los análisis de contraste posteriores. “Teniendo en cuenta los datos de un contraste, obtenemos una cierta probabilidad de que un borde en particular, por ejemplo la periferia del cerebro o los bordes que limitan diferentes compartimentos en el interior del cerebro, estarán en el mismo lugar”, declaró el doctor Adalsteinsson.

Sin embargo, el algoritmo no puede imponer demasiada información de la primera exploración en las subsiguientes, señaló el Dr. Goyal, ya que se arriesgaría a perder las características únicas del tejido reveladas por los diferentes contrastes. “Usted no quiere presuponer demasiado”, dijo. “Así que no se asume, por ejemplo, que el patrón de brillantes y oscuros de una imagen se repetirá en la siguiente imagen, porque de hecho este tipo de patrones de luz y oscuridad a menudo se invierte, y puede revelar propiedades del tejido completamente diferentes”.

Así, para cada píxel, el algoritmo calcula cuál información nueva necesita para construir la imagen y cuáles datos - como los bordes de los diferentes tipos de tejido - puede tomar de los análisis anteriores, de acuerdo con el estudiante de posgrado y autor principal, Berkin Bilgic. El resultado es una imagen de resonancia magnética, obtenida tres veces más rápido, reduciendo el tiempo que los pacientes pasan en el escáner de 45 a 15 minutos. Este tiempo de examen más rápido tiene un impacto leve en la calidad de la imagen, admitió el Sr. Bilgic, pero es mucho mejor que los algoritmos de la competencia.

Los científicos están trabajando para mejorar el algoritmo, acelerando el tiempo que tarda para procesar los datos originales de la imagen en un examen final que puede ser evaluado por los médicos, una vez que el paciente ha salido del equipo de resonancia magnética. Usando procesadores de computadora estándar, este último paso en la actualidad lleva mucho más tiempo que con las imágenes tradicionales por resonancia magnética. Sin embargo, los investigadores creen que pueden reducir este tiempo de cálculo hasta igualar el de las tradicionales imágenes por resonancia magnética usando desarrollos recientes de hardware de computación de la industria de juegos. “Las unidades de procesamiento gráfico o GPU, son órdenes de magnitud más rápidas que los procesadores estándar para ciertas tareas de cómputo, como la tarea particular de cálculo que necesitamos para este algoritmo” dijo el Dr. Adalsteinsson. Un estudiante está trabajando en el laboratorio para implementar el algoritmo en una GPU dedicada, informó.

Dwight Nishimura, director del laboratorio de investigación de sistemas para resonancia magnética de la Universidad de Stanford (Stanford, CA, EUA), declaró que el grupo del Dr. Adalsteinsson ha llevado a cabo una investigación de algoritmos muy notable. “Este trabajo es potencialmente de gran importancia porque se aplica a la rutina clínica de la resonancia magnética, entre otras aplicaciones”, comentó. “En última instancia, su método podría permitir una reducción sustancial en el tiempo del examen”.


Enlace relacionado:

Massachusetts Institute of Technology


Multi-Use Ultrasound Table
Clinton
Biopsy Software
Affirm® Contrast
X-Ray Illuminator
X-Ray Viewbox Illuminators
Portable X-ray Unit
AJEX140H

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
Copyright © 2000-2025 Globetech Media. All rights reserved.