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




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
Print article
Imagen: Una red neuronal clasifica los tumores utilizando datos de elastografía de ultrasonido de mama (Fotografía cortesía de iStockPhoto).
Imagen: Una red neuronal clasifica los tumores utilizando datos de elastografía de ultrasonido de mama (Fotografía cortesía de iStockPhoto).
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



Print article
Radcal

Canales

Imaginología General

ver canal
Imagen: La investigación muestra que la resonancia magnética funcional con neuroretroalimentación podría ofrecer un tratamiento potencial para el ST (Fotografía cortesía de la Universidad de Yale).

Resonancia magnética funcional en tiempo real ayuda a tratar el síndrome de Tourette

Los adolescentes con síndrome de Tourette (ST) pueden controlar sus tics faciales a través de una técnica de imagenología que les permite controlar la función de su propio cerebro en tiempo real.... 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: Una demostración con ACR AI-LAB permitirá a los asistentes a la Cumbre obtener una mejor comprensión de cómo los radiólogos pueden usar las herramientas ACR AI-LAB para aprender los conceptos básicos de IA y participar en la creación, evaluación y uso de la IA en la atención médica (Fotografía cortesía del ACR )

La cumbre de informática en imagenología resalta el impacto de las tecnologías de IA sobre la atención de los pacientes

La Cumbre de informática en imagenología de 2019 organizada por el Colegio Americano de Radiología {(ACR) Reston, VA, EUA} se llevará a cabo en Washington, D.C., EUA, del 5 al 6 de octubre de 2019, y se... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.