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
Parker Laboratories

Deascargar La Aplicación Móvil




Eventos

ATENCIÓN: Debido a la EPIDEMIA DE CORONAVIRUS, ciertos eventos están siendo reprogramados para una fecha posterior o cancelados por completo. Verifique con el organizador del evento o el sitio web antes de planificar cualquier evento próximo.

Técnica de inteligencia artificial identifica casos de tuberculosis

Por el equipo editorial de MedImaging en español
Actualizado el 09 May 2017
Print article
Imagen: Una radiografía de tórax de un paciente con TB activa, y una radiografía con una superposición de mapa de calor que muestra algunos de los resultados del análisis usando la inteligencia artificial (Fotografía cortesía de la RSNA).
Imagen: Una radiografía de tórax de un paciente con TB activa, y una radiografía con una superposición de mapa de calor que muestra algunos de los resultados del análisis usando la inteligencia artificial (Fotografía cortesía de la RSNA).
Los investigadores han encontrado que pueden utilizar una técnica de inteligencia artificial, llamada aprendizaje profundo, para identificar casos de tuberculosis en los exámenes de rayos X de tórax con una tasa de exactitud neta de 96%.
 
Según la Organización Mundial de la Salud (OMS), alrededor de 1,8 millones de personas murieron de tuberculosis en 2016. Un simple examen radiológico de tórax puede ayudar a los radiólogos a identificar la enfermedad, pero muchos pacientes de tuberculosis viven en áreas remotas sin acceso a radiólogos expertos, que puedan interpretar las imágenes, y diagnosticar la enfermedad.
 
El estudio fue realizado por investigadores del Hospital Universitario Thomas Jefferson (TJUH, Filadelfia, PA, EUA), quienes entrenaron modelos de inteligencia artificial para identificar la TB en las radiografías de tórax. El objetivo de la investigación fue ayudar a la detección y evaluación de pacientes en áreas prevalentes de TB, que carecen de acceso a radiólogos. El estudio fue publicado en la edición digital del 25 de abril de 2017, de la revista Radiology.
 
Los investigadores usaron 1.007 exámenes de rayos X, de pacientes con y sin TB activa, para el estudio. Los conjuntos de datos múltiples de rayos X positivos para la TB y negativos para la TB, fueron usados para entrenar dos modelos diferentes de una Red Neural Convulsionada Profunda (DCNN, por sus siglas en inglés) llamados AlexNet y GoogLeNet. Los investigadores descubrieron que el modelo de Inteligencia Artificial (IA) de mejor desempeño fue cuando se usaron juntos AlexNet y GoogLeNet, lo que dio como resultado una exactitud neta del 96%.
 
El coautor del estudio, Paras Lakhani, MD en el TJUH, dijo: “Hay un tremendo interés en la inteligencia artificial, tanto dentro como fuera del campo de la medicina. Una solución de inteligencia artificial que pudiera interpretar las radiografías para detectar la presencia de TB de una manera rentable podría ampliar el alcance de la identificación y el tratamiento temprano en las naciones en desarrollo. La exactitud de los modelos de aprendizaje profundo es emocionante. La aplicabilidad para la TB es importante porque es una enfermedad para la cual tenemos opciones de tratamiento. Esperamos aplicarlo de forma prospectiva, en un entorno real. Una solución de inteligencia artificial que utiliza imágenes de tórax puede desempeñar un papel importante en la lucha contra la tuberculosis”.
 

Print article
Radcal
Sun Nuclear

Canales

Radiografía

ver canal
Imagen: El primer sistema de rayos X para cardiología habilitado para IA aprobado por la FDA (Fotografía cortesía de Omega Medical)

Primer sistema de rayos X habilitado para IA aprobado por la FDA para cardiología reduce la dosis hasta en un 84 %

El primer sistema de rayos X habilitado para IA, aprobado por la FDA, que está diseñado específicamente para laboratorios de cardiología, representa el próximo salto... Más

RM

ver canal
Imagen: Locus coeruleus como se ve en un escáner  de resonancia magnética 7T (Fotografía cortesía de la Universidad de Cambridge)

Escáneres de resonancia magnética 7T ultrapotentes podrían ayudar a curar síntomas previamente intratables en enfermedad de Parkinson

Tanto la enfermedad de Parkinson como un trastorno relacionado, la parálisis supranuclear progresiva (PSP), son enfermedades cerebrales progresivas que no solo afectan el movimiento sino que también... Más

Ultrasonido

ver canal
Imagen: QUSTom es el primer proyecto que utilizará la supercomputación para detectar tumores (Fotografía cortesía de Pexels)

Modalidad de imagen que combina ultrasonido y supercomputación podría revolucionar la detección del cáncer de mama

El cáncer de mama es el tipo de tumor diagnosticado con más frecuencia en el mundo, con 2,3 millones de mujeres diagnosticadas en 2020 y 700.000 muertes por esta enfermedad ese mismo año.... Más

Imaginología General

ver canal
Imagen: TC de la articulación del dedo (Fotografía cortesía de FAU)

Inteligencia artificial permite la detección temprana de artritis mediante escaneos HR-pQCT

Hay muchos tipos diferentes de artritis, y no siempre es fácil diagnosticar el tipo exacto de enfermedad inflamatoria que afecta las articulaciones de un paciente. La falta de biomarcadores actualmente,... Más

Industria

ver canal
Imagen: El mercado global de imágenes de diagnóstico es impulsado por los avances tecnológicos (Fotografía cortesía de Pexels)

Mercado global de imágenes de diagnóstico superará los 33 mil millones de dólares para 2026

El mercado global de imágenes de diagnóstico es uno de los segmentos más críticos del sector de la salud. Las imágenes médicas ayudan en la detección temprana... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.