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




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: Radiografía de tórax de un neumotórax pasado por alto por el radiólogo (I), pero identificado por el modelo de DL (D) (Fotografía cortesía de Google Health)

Modelo de aprendizaje profundo clasifica las radiografías de tórax con exactitud

Un nuevo estudio afirma que la combinación de modelos de aprendizaje profundo (DL) con etiquetas de imágenes adjudicadas puede ayudar a clasificar los hallazgos clínicamente importantes en las radiografías de tórax.... Más

Imaginología General

ver canal
Imagen: La pinza intraoperatoria para cráneo DORO QR3 XTom (Fotografía cortesía de NeuroLogica)

Pinza para el cráneo facilita la imagenología quirúrgica de la cabeza y el cuello

Una nueva pinza intraoperatoria para cráneo optimiza la visualización de cabeza y cuello para las cirugías guiadas por imágenes, la estimulación cerebral profunda (DBS) y otras intervenciones en el entorno... Más

TI en Imaginología

ver canal
Imagen: El software empresarial uPath proporciona mejores herramientas de patología digital (Fotografía cortesía de Roche).

Un software de patología digital mejora la eficiencia del flujo de trabajo

Una plataforma de software novedosa reduce drásticamente los tiempos de generación de imágenes, integra el análisis automatizado de imágenes y permite un mejor intercambio de casos entre patólogos.... 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 © 2000-2020 Globetech Media. All rights reserved.