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




Tecnología fotoacústica crea imágenes detalladas para prevenir daño a los nervios durante la cirugía

Por el equipo editorial de MedImaging en español
Actualizado el 08 Sep 2023
Print article
Imagen: Configuración experimental para imágenes fotoacústicas in vivo (Fotografía cortesía de SPIE)
Imagen: Configuración experimental para imágenes fotoacústicas in vivo (Fotografía cortesía de SPIE)

Los procedimientos médicos invasivos, que a menudo implican anestesia local, conllevan un riesgo de lesión a los nervios. Los cirujanos pueden dañar inadvertidamente los nervios durante la cirugía cortándolos, estirándolos o comprimiéndolos, lo que provoca problemas sensoriales y motores duraderos en los pacientes. De manera similar, los pacientes que reciben bloqueos nerviosos u otra anestesia pueden sufrir daños en los nervios si la aguja no se coloca con precisión cerca del nervio periférico objetivo. Para mitigar este riesgo, los investigadores están trabajando en técnicas de imágenes médicas. La ecografía y la resonancia magnética (RMN) pueden ayudar a los cirujanos a localizar los nervios durante un procedimiento. Sin embargo, distinguir los nervios del tejido circundante en las imágenes de ultrasonido es un desafío, y la resonancia magnética es costosa y requiere mucho tiempo.

Un método alternativo prometedor es la obtención de imágenes fotoacústicas multiespectrales, una técnica no invasiva que combina ondas de luz y sonido para crear imágenes detalladas de estructuras y tejidos corporales. Consiste en iluminar la zona objetivo con luz pulsada, provocando un ligero calentamiento y expansión del tejido. Esto genera ondas ultrasónicas detectadas por un detector de ultrasonido. Un equipo de investigación de la Universidad Johns Hopkins (Baltimore, MD, EUA) realizó un estudio que caracteriza la absorción y los perfiles fotoacústicos del tejido nervioso en todo el espectro del infrarrojo cercano (NIR). Su objetivo era identificar las longitudes de onda ideales para la visualización del tejido nervioso en imágenes fotoacústicas, centrándose en la ventana óptica NIR-III (1630-1850 nm). Las vainas de mielina nerviosas contienen lípidos con un pico de absorción característico en este rango.

Sus experimentos con muestras de nervios periféricos de cerdos revelaron un pico de absorción a 1210 nm, que se sitúa en el rango NIR-II pero también está presente en otros lípidos. Sin embargo, cuando se restó la contribución de agua, el tejido nervioso mostró un pico único a 1.725 nm en el rango NIR-III. Las mediciones fotoacústicas de los nervios periféricos de cerdos vivos utilizando imágenes personalizadas confirmaron que el pico de la banda NIR-III distingue eficazmente el tejido nervioso rico en lípidos de otros que contienen agua o carecen de lípidos. Estos hallazgos pueden alentar una mayor exploración del potencial de las imágenes fotoacústicas y mejorar las técnicas de detección y segmentación de nervios en otros métodos de imágenes ópticas.

“Nuestro trabajo es el primero en caracterizar los espectros de absorbancia óptica de muestras frescas de nervios porcinos utilizando un amplio espectro de longitudes de onda, así como el primero en demostrar la visualización in vivo de nervios porcinos sanos y regenerados con imágenes fotoacústicas multiespectrales en la ventana NIR-III”, dijo la Dra. Muyinatu A. Lediju Bell, quien dirigió el equipo de investigación. “Nuestros resultados resaltan la promesa clínica de las imágenes fotoacústicas multiespectrales como técnica intraoperatoria para determinar la presencia de nervios mielinizados o prevenir lesiones nerviosas durante intervenciones médicas, con posibles implicaciones para otras tecnologías basadas en óptica. De este modo, nuestras contribuciones establecen con éxito una nueva base científica para la comunidad de óptica biomédica”.

Enlaces relacionados:
Universidad Johns Hopkins  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
1.5T MRI System
uMR 670
New
Ultrasound Table
Ergonomic Advantage (EA) Line
New
Illuminator
Trimline Basic

Print article

Canales

Radiografía

ver canal
Imagen: La detección de cáncer de seno asistido por AI puede reducir las pruebas innecesarias (foto cortesía de Wustl)

Asistencia de IA mejora detección del cáncer de mama al reducir los falsos positivos

Radiólogos suelen detectar un caso de cáncer por cada 200 mamografías revisadas. Sin embargo, estas evaluaciones a menudo dan como resultado falsos positivos, lo que lleva a retiros... Más

RM

ver canal
Imagen: PET/MRI puede clasificar con precisión a los pacientes con cáncer de próstata (foto cortesía de 123RF)

PET/MRI mejora la precisión diagnóstica en pacientes con cáncer de próstata

El Sistema de datos e informes de imágenes de próstata (PI-RADS) es una escala de cinco puntos para evaluar el potencial de cáncer de próstata en imágenes de resonancia... Más

Medicina Nuclear

ver canal
Imagen: El sistema de IA utiliza imágenes de gammagrafía para el diagnóstico temprano de amiloidosis cardíaca (Fotografía cortesía de 123RF)

Sistema de IA detecta de forma automática y confiable amiloidosis cardíaca mediante imágenes de gammagrafía

La amiloidosis cardíaca, una afección caracterizada por la acumulación de depósitos anormales de proteínas (amiloide) en el músculo cardíaco, afecta gravemente... Más

Imaginología General

ver canal
Imagen: El modelo de aprendizaje automático Tyche podría ayudar a capturar información crucial. (Foto cortesía de 123RF)

Nuevo método de IA captura la incertidumbre en imágenes médicas

En el campo de la biomedicina, la segmentación es el proceso de anotar píxeles de una estructura importante en imágenes médicas, como órganos o células. Los modelos de Inteligencia Artificial (IA) se utilizan... 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 © 2000-2024 Globetech Media. All rights reserved.