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
Ampronix,  Inc

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.
25 feb 2021 - 27 feb 2021

La IA mejora la identificación mediante rayos X de los marcapasos

Por el equipo editorial de MedImaging en español
Actualizado el 16 Apr 2019
Print article
Imagen: Un estudio nuevo afirma que el software de inteligencia artificial (IA) puede ayudar a identificar la información de los marcapasos más rápido que los métodos actuales (Fotografía cortesía de iStock).
Imagen: Un estudio nuevo afirma que el software de inteligencia artificial (IA) puede ayudar a identificar la información de los marcapasos más rápido que los métodos actuales (Fotografía cortesía de iStock).
Según un estudio nuevo, el software de inteligencia artificial (IA) puede ayudar a determinar la marca y el modelo de los dispositivos de ritmo cardíaco (DRC) implantados con mayor exactitud y rapidez que los métodos actuales.

El software, desarrollado en el Colegio Imperial de Londres (Imperial; Reino Unido), ayudará al personal de emergencia a eliminar los enfoques actuales para determinar el modelo de un marcapasos o desfibrilador, que implican comparar la apariencia radiográfica de un DRC con un diagrama de flujo manual. Para el estudio, los investigadores extrajeron las imágenes radiográficas de 45 modelos de DRC de cinco fabricantes. Luego desarrollaron una red neuronal convolucional (CNN) usando un conjunto de entrenamiento de 1.451 imágenes. La CNN luego se ensayó en un conjunto que contenía 225 imágenes adicionales, que consta de cinco ejemplos de cada modelo.

La capacidad de la red para identificar al fabricante de un dispositivo se comparó con la de los cardiólogos que utilizaron un diagrama de flujo. Los resultados mostraron que la CNN tenía una exactitud del 99,6% en la identificación del fabricante de un dispositivo y una exactitud del 96,4% en la identificación del grupo del modelo. Entre los cinco cardiólogos que utilizaron el diagrama de flujo, la identificación mediana de la exactitud del fabricante fue del 72%, y la identificación del grupo de modelo no fue posible. El estudio fue publicado el 27 de marzo de 2019 en la revista JACC: Clinical Electrophysiology.

“Los marcapasos y los desfibriladores han mejorado la vida de millones de pacientes. Sin embargo, en algunos casos raros, estos dispositivos pueden fallar y los pacientes se pueden deteriorar como resultado. En estas situaciones, los médicos deben identificar rápidamente el tipo de dispositivo que tiene un paciente para que puedan brindar tratamiento, como cambiar la configuración del dispositivo o reemplazar los cables”, dijo el autor principal James Howard, MD. “Desafortunadamente, los métodos existentes son lentos y desactualizados y hay una necesidad real de encontrar nuevas y mejores formas de identificar los dispositivos en situaciones de emergencia”.

La CNN utiliza una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
Colegio Imperial de Londres


Print article

Canales

Radiografía

ver canal
Imagen: El sistema Accuray Radixact con ClearRT (Fotografía cortesía de Accuray)

TC helicoidal guía la radioterapia con exactitud

Una solución de imágenes de vanguardia produce tomografías computarizadas (TC) de alta calidad para mejorar la versatilidad y la eficiencia de los procedimientos de radioterapia (RT). La solución de... Más

RM

ver canal
Imagen: Los agentes de contraste a base de manganeso para resonancia magnética son tan eficaces como los de gadolinio, pero menos tóxicos (Fotografía cortesía de Eric Gale / MGH)

Agente de contraste novedoso para la resonancia magnética es eliminado rápidamente del cuerpo

Un estudio nuevo sugiere que un agente de contraste para imágenes de resonancia magnética (RM), basado en manganeso (Mn), pronto podría reemplazar a los agentes de contraste basados en gadolinio (GBCA)... Más

Industria

ver canal
Imagen: AI-Rad Companion Chest CT genera automáticamente informes estandarizados, reproducibles y cuantitativos en formato DICOM SC (Fotografía cortesía de Siemens Healthineers).

Software para la TC de tórax basada en IA de Siemens Healthineers recibe aprobación de la FDA de los EUA

La Administración de Medicamentos y Alimentos de los Estados Unidos (FDA) aprobó tres módulos de AI-Rad Companion Chest CT, un asistente de software inteligente de Siemens Healthineers (Erlangen, Alemania)... Más
Copyright © 2000-2021 Globetech Media. All rights reserved.