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
GLOBETECH PUBLISHING LLC

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.

Imágenes por ultrasonido alimentadas por IA detectan el cáncer de mama

Por el equipo editorial de MedImaging en español
Actualizado el 17 Mar 2023
Print article
Imagen: Un sistema de red de IA para la ecografía detecta y diagnostica con precisión el cáncer de mama (Fotografía cortesía de Pexels)
Imagen: Un sistema de red de IA para la ecografía detecta y diagnostica con precisión el cáncer de mama (Fotografía cortesía de Pexels)

El cáncer de mama es, sin lugar a dudas, el tipo de cáncer más comúnmente informado entre las mujeres, mostrando un aumento continuo en las tasas de incidencia en las últimas dos décadas, a diferencia de otros tipos de cáncer significativos. La detección y el tratamiento tempranos pueden mejorar la probabilidad de recuperación; sin embargo, la tasa de supervivencia en pacientes con cáncer de mama disminuye drásticamente a menos del 75 % después de la tercera etapa. Como resultado, los chequeos médicos regulares son fundamentales para reducir las tasas de mortalidad. La ecografía es una de las principales técnicas de imagen médica para la evaluación de las lesiones mamarias, y los sistemas de diagnóstico asistido por computadora (DAC) han ayudado a los radiólogos a segmentar e identificar las características de las lesiones para distinguir entre lesiones benignas y malignas. Ahora, un equipo de investigadores ha desarrollado un sistema de red de IA para ultrasonografía para detectar y diagnosticar con precisión el cáncer de mama.

Un equipo de investigadores de la Universidad de Ciencia y Tecnología de Pohang (POSTECH, Gyeongbuk, Corea) ha desarrollado una red de fusión multimodal basada en el aprendizaje profundo para la segmentación y clasificación de los cánceres de mama utilizando imágenes de ultrasonido en modo B y elastografía de tensión. El equipo desarrolló métodos basados en el aprendizaje profundo (DL) para segmentar las lesiones y luego clasificarlas como benignas o malignas, utilizando imágenes en modo B y elastografía de tensión (modo SE). Primero, el equipo construyó un 'modelo U-Net multimodal ponderado (W-MM-U-Net)' en el que se asigna el peso óptimo en diferentes modalidades de imágenes para segmentar lesiones, utilizando un método de conexión de salto ponderado. Los investigadores también han propuesto un "marco de fusión multimodal (MFF)" en imágenes recortadas de lesiones de ultrasonido (US) en modo B y modo SE para clasificar las lesiones benignas y malignas.

El MFF consta de una red de características integradas (IFN) y una red de decisión (DN). A diferencia de otros métodos de fusión recientes, el método MFF propuesto puede aprender simultáneamente información complementaria de redes neuronales convolucionales (CNN) que se entrenan con imágenes de EUA en modo B y modo SE. Las características de la CNN se combinan utilizando el modelo multimodal EmbraceNet, mientras que DN clasifica las imágenes utilizando esas características. Los resultados experimentales de los datos clínicos revelan que el método identificó siete pacientes benignos como benignos en tres de los cinco ensayos y seis pacientes malignos como malignos en cinco de los cinco ensayos. Esto indica que el método propuesto supera a los métodos convencionales únicos y multimodales y podría mejorar la precisión de clasificación de los radiólogos para la detección de cáncer de mama en imágenes de ultrasonido.

"Pudimos aumentar la precisión de la segmentación de lesiones determinando la importancia de cada modo de entrada y otorgar automáticamente la ponderación adecuada", explicó el profesor Chulhong Kim de POSTECH, quien dirigió el equipo de investigadores. “Entrenamos cada modelo de aprendizaje profundo y el modelo de combinación al mismo tiempo para tener un desempeño de clasificación mucho mejor que el modal único convencional u otros métodos multimodales”.

Enlaces relacionados:
POSTECH

Proveedor de oro
Ultrasound Phantom
Multi-Purpose Multi-Tissue Ultrasound Phantom - Model 040GSE
New
Digital X-Ray Flat Panel Detector
2121DXV
New
Dose Area Product Measuring System
VacuDAP duo
New
Image Sharing Platform
CareRad

Print article
FIME - Informa
Radcal

Canales

Radiografía

ver canal
Imagen: Los cristales de BiOI similares al rubí pueden mejorar la seguridad de las imágenes médicas al reducir las intensidades de los rayos X dañinos (Fotografía cortesía de la Universidad de Cambridge)

Material de celdas solares sostenible podría revolucionar imágenes médicas

El uso de rayos X para obtener imágenes internas del cuerpo ha cambiado drásticamente los diagnósticos médicos no invasivos. Sin embargo, la alta dosis de rayos X requerida... Más

RM

ver canal
Imagen: La IA Ezra Flash ha recibido la autorización 510 (k) de la FDA, lo que permite el despliegue de la primera resonancia magnética del cuerpo completo de 30 minutos del mundo (Fotografía cortesía de Ezra)

Primera resonancia magnética de cuerpo completo de 30 minutos del mundo ofrece diagnóstico de cáncer rápido, preciso y asequible

Una solución de inteligencia artificial (IA) de vanguardia mejora la calidad de la imagen de RM, allanando el camino para una reducción en el tiempo de escaneo y, en consecuencia, el costo... Más

Medicina Nuclear

ver canal
Imagen: Un nuevo método de imagen ofrece potencial para diagnosticar, estadificar y tratar múltiples tipos de cáncer (Fotografía cortesía de SNMMI)

Nuevo método de imagen es superior para diagnósticar múltiples tipos de cáncer

Los fibroblastos asociados con el cáncer juegan un papel importante en el desarrollo, la migración y la progresión del tumor. Un subconjunto de estos fibroblastos expresa la proteína... Más

Imaginología General

ver canal
Imagen: PET/MRI puede reducir a la mitad los tiempos de escaneo de cáncer de mama (Fotografía cortesía de Freepik)

Protocolo PET/MRI rápido reduce a la mitad tiempos de exploración para cáncer de mama

La estadificación precisa es esencial para las mujeres recién diagnosticadas con cáncer de mama, y la PET/MRI ha comenzado a ganar terreno como método para la estadificación... 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

Industria

ver canal
Imagen: Se espera que el mercado global de soluciones de imágenes médicas habilitadas para IA alcance los 1.836 millones de dólares en 2032 (Fotografía cortesía de Freepik)

Mercado mundial de soluciones de imágenes médicas habilitadas por IA impulsado por necesidad de detección temprana de enfermedades

El mercado de soluciones de imágenes médicas habilitadas por IA se encuentra actualmente en sus etapas de desarrollo, siguiendo el importante papel de las herramientas basadas en IA para... Más
Copyright © 2000-2023 Globetech Media. All rights reserved.