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




Entrenamiento en elasticidad ayuda a la IA a diagnosticar el cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 31 Jul 2019
Según un estudio nuevo, se pueden usar algoritmos de inteligencia artificial (IA) para identificar la heterogeneidad elástica de ultrasonido de un tumor, con el fin de diferenciar los tumores benignos de sus contrapartes malignas.

Investigadores de la Universidad del Sur de California (USC; Los Ángeles, EUA), del Instituto Politécnico Rensselaer (RPI; Troy, Nueva York, EUA) y de otras instituciones, crearon modelos basados en la física que simulaban los niveles variables de las dos propiedades clave de ultrasonido de un tumor de mama canceroso: heterogeneidad elástica y respuesta elástica no lineal. Luego utilizaron miles de entradas de datos derivadas de los modelos para entrenar una red neuronal convolucional (RNC) profunda para clasificar los tumores como malignos o benignos.

Se entrenó una RNC de 5 capas con 8.000 muestras para heterogeneidad, y una RNC de 4 capas con 4.000 muestras para la elasticidad no lineal. Cuando se consultó sobre imágenes sintéticas adicionales, las RNC lograron exactitudes de clasificación de 99,7% a 99,9%. Luego, los investigadores aplicaron el clasificador de elasticidad no lineal, que se entrenó completamente utilizando datos simulados, para clasificar las imágenes de desplazamiento obtenidas de diez pacientes con lesiones mamarias; la RNC clasificó correctamente ocho de cada diez casos.

“El consenso general es que estos tipos de algoritmos tienen un papel importante que desempeñar, incluso de los profesionales de imágenes sobre los que tendrán más impacto”, dijo el autor principal, el profesor, Assad Oberai, PhD, del departamento de ingeniería mecánica y aeroespacial de la USC. “Sin embargo, estos algoritmos serán más útiles cuando no sirven como cajas negras, sino que son una herramienta que ayuda a guiar a los radiólogos a conclusiones más exactas”.

La elastografía se basa en la generación de ondas de corte determinadas por el desplazamiento de los tejidos, inducido por la fuerza de un haz de ultrasonido enfocado o por una presión externa. Las ondas de corte son ondas laterales, con un movimiento perpendicular a la dirección de la fuerza generadora, que viajan lentamente y son atenuadas rápidamente por el tejido. La velocidad de propagación de las ondas de corte se correlaciona con la elasticidad del tejido.

Enlace relacionado:
Universidad del Sur de California
Instituto Politécnico Rensselaer


Digital X-Ray Detector Panel
Acuity G4
Miembro Plata
X-Ray QA Device
Accu-Gold+ Touch Pro
Post-Processing Imaging System
DynaCAD Prostate
Radiation Safety Barrier
RayShield Intensi-Barrier

Canales

Radiografía

ver canal
Imagen: la prueba de detección \"dos por uno\" podría ayudar a detectar las principales causas de muerte de mujeres en todo el mundo (foto cortesía de Shutterstock)

Algoritmo de IA utiliza mamografías para predecir con precisión el riesgo cardiovascular en mujeres

Las enfermedades cardiovasculares siguen siendo la principal causa de muerte en mujeres a nivel mundial, responsables de aproximadamente nueve millones de muertes al año. A pesar de esta carga, los síntomas... Más

Medicina Nuclear

ver canal
Imagen: los cristales de perovskita se cultivan en condiciones cuidadosamente controladas a partir de la masa fundida (foto cortesía de Mercouri Kanatzidis/Northwestern University)

Nueva cámara permite ver dentro del cuerpo humano para mejorar el escaneo y diagnóstico

Las exploraciones de medicina nuclear, como la tomografía computarizada por emisión de fotón único (SPECT), permiten a los médicos observar la función cardíaca,... Más

Imaginología General

ver canal
Imagen: Concepto de los SCNP fotosensibles (J F Thümmler et al., Commun Chem (2025). DOI: 10.1038/s42004-025-01518-x)

Nuevas nanopartículas ultrapequeñas y sensibles a la luz podrían servir como agentes de contraste

Las tecnologías de imagen médica enfrentan desafíos constantes para capturar vistas precisas y detalladas de los procesos internos, especialmente en enfermedades como el cáncer,... 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
Copyright © 2000-2025 Globetech Media. All rights reserved.