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
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil





Red neuronal de aprendizaje profundo detecta rápidamente infecciones por COVID-19 mediante imágenes de rayos X

Por el equipo editorial de HospiMedica en español
Actualizado el 30 Nov 2021
Print article
Ilustración
Ilustración

Una red neuronal de aprendizaje profundo puede detectar rápidamente infecciones por COVID-19 mediante imágenes de rayos X.

La red neuronal de aprendizaje profundo llamada CORONA-Net fue desarrollada por científicos de la Universidad de la Columbia Británica (Kelowna, BC Canadá) para ayudar a los médicos que no tienen acceso a las pruebas de reacción en cadena de la polimerasa (PCR) y necesitan una forma de detectar rápidamente a los pacientes con COVID-19. A medida que la COVID-19 sigue apareciendo en los titulares de todo el mundo, las personas se han acostumbrado a la idea de realizar pruebas rápidas para determinar si han sido infectadas. La prueba viral solo indica si existe una infección actual, pero no si hubo una infección previa. La prueba de anticuerpos alternativa utiliza una muestra de sangre y puede detectar si hubo una infección previa con el virus SARS-CoV-2, incluso si no hay síntomas actuales. Sin embargo, la prueba de PCR puede ser poco común en muchos países y generalmente cuesta varios cientos de dólares cada vez. Los médicos de todo el mundo necesitan una forma de evaluar rápidamente a los pacientes para detectar la COVID-19 para que puedan comenzar el tratamiento inmediato para los pacientes con el virus

Los investigadores de UBC Okanagan, que dicen que las pruebas rápidas pueden ser limitadas y costosas en muchos países, están probando otro método de prueba. Y creen, gracias a la inteligencia artificial, que han encontrado uno. El equipo de investigación ha desarrollado CORONA-Net, una red neuronal de aprendizaje profundo que puede detectar rápidamente infecciones por COVID-19 mediante imágenes de rayos X. En muchos países, las personas optan por la radiografía de tórax debido al costo de una prueba de PCR o su falta de disponibilidad. Sin embargo, a veces es difícil que un especialista examine la radiografía y la detección precisa de la infección puede llevar tiempo. Pero al utilizar CORONA-NET, el sistema de inteligencia artificial puede marcar los casos sospechosos para que se realice un seguimiento rápido y se examinen rápidamente.

La arquitectura CORONA-Net desarrollada aumenta sustancialmente la sensibilidad y el valor predictivo positivo (VPP) de las predicciones, lo que convierte a CORONA-Net en una herramienta valiosa cuando se trata de utilizar radiografías de tórax para diagnosticar la COVID-19. Según los investigadores, el CORONA-Net desarrollado pudo producir resultados con una precisión de más del 95% en la clasificación de casos de COVID-19 a partir de imágenes digitales de rayos X de tórax. La precisión de la detección de COVID-19 por CORONA-Net seguirá aumentando a medida que crezca el conjunto de datos. CORONA-Net puede mejorarse automáticamente con el tiempo y autoaprenderse para ser más preciso.

“La COVID-19 generalmente causa neumonía en los pulmones humanos, que se puede detectar en imágenes de rayos X. Estos conjuntos de datos de rayos X, de personas con neumonía causada por COVID-19, de personas con neumonía causada por otras enfermedades, así como radiografías de personas sanas, permiten la posibilidad de crear redes de aprendizaje profundo que pueden diferenciar entre imágenes de personas con COVID-19 y personas que no tienen la enfermedad”, dijo el estudiante graduado Sherif Elbishlawi, quien ayudó a desarrollar CORONA-Net.

“Los resultados del conjunto de pruebas se obtuvieron y se pueden ver con una sensibilidad del 100% a la clase COVID-19. Había una sensibilidad del 95% en la clasificación de la clase de neumonía y una sensibilidad del 95% en la clasificación de la clase normal”, agregó. "Estos resultados muestran que CORONA-Net ofrece una predicción muy precisa con la mayor sensibilidad a la clase COVID-19".

Enlaces relacionados:
Universidad de la Columbia Británica

Miembro Oro
12-Channel ECG
CM1200B
Miembro Oro
Analizador de gases en sangre POC
Stat Profile Prime Plus
Miembro Plata
Compact 14-Day Uninterrupted Holter ECG
NR-314P
New
Digital Radiography Generator
meX+20BT lite

Print article

Canales

Cuidados Criticos

ver canal
Imagen: El sistema de estadificación Cleerly para la enfermedad de la arteria coronaria ha recibido la designación de dispositivo innovador de la FDA (Fotografía cortesía de Cleerly)

Tecnología basada en IA ofrece una evaluación del riesgo de ataque cardíaco en el futuro

Cuando los médicos diagnostican un cáncer, normalmente ofrecen un pronóstico y un plan de tratamiento basado en un sistema de estadificación que evalúa la extensión... Más

Técnicas Quirúrgicas

ver canal
Imagen: La cirugía asistida por robot para el cáncer de vesícula biliar es tan efectiva como los métodos tradicionales abiertos y laparoscópicos (Fotografía cortesía de 123RF)

Cirugía para cáncer de vesícula biliar asistida por robot se encontro ser tan efectiva como cirugía tradicional

El cáncer de vesícula biliar (CVB), clasificado como el principal cáncer del tracto biliar y el 17º cáncer más mortal a nivel mundial, exige una mejora urgente en... Más

Cuidados de Pacientes

ver canal
Imagen: La solución recientemente lanzada puede transformar la programación del quirófano e impulsar las tasas de utilización  (Fotografía cortesía de Fujitsu)

Solución de optimización de la capacidad quirúrgica ayuda a hospitales a impulsar utilización de quirófanos

Una solución innovadora tiene la capacidad de transformar la utilización de la capacidad quirúrgica al atacar la causa raíz de las ineficiencias los bloques de tiempo quirúrgico.... Más

TI

ver canal
Imagen: El primer modelo específico de la institución proporciona una ventaja de desempeñoa significativa sobre los modelos actuales basados en la población (Fotografía cortesía de Mount Sinai)

Modelo de aprendizaje automático mejora predicción del riesgo de mortalidad para pacientes de cirugía cardíaca

Se han implementado algoritmos de aprendizaje automático para crear modelos predictivos en varios campos médicos, y algunos han demostrado mejores resultados en comparación con sus... Más

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso

Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.