Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
IBA-Radcal

Descargar La Aplicación Móvil





Herramienta de IA que detecta anomalías en imágenes médicas podría ayudar a los médicos a detectar el inicio de la neumonía por COVID-19 en los rayos X

Por el equipo editorial de HospiMedica en español
Actualizado el 27 Oct 2021

Los científicos han entrenado una red neuronal para detectar anomalías en imágenes médicas para ayudar a los médicos a examinar innumerables exploraciones en busca de patologías, incluidos signos de patología en los pulmones, como la aparición de la neumonía COVID-19. Más...

El nuevo método desarrollado por científicos de Skoltech (Moscú, Rusia), Philips Research (Ámsterdam, Países Bajos) y la Universidad Goethe de Frankfurt (Frankfurt, Alemania) está adaptado a la naturaleza de las imágenes médicas y tiene más éxito en detectar anomalías que soluciones de uso general. La detección de anomalías en la imagen es una tarea que surge en el análisis de datos en muchas industrias. Sin embargo, las exploraciones médicas plantean un desafío particular. Es mucho más fácil para los algoritmos encontrar, digamos, un automóvil con una llanta pinchada o un parabrisas roto en una serie de imágenes de automóviles que saber cuál de las radiografías muestra signos tempranos de patología en los pulmones, como la aparición de la neumonía por COVID-19.

Los científicos estudiaron cuatro conjuntos de datos de radiografías de tórax e imágenes de microscopía de histología de cáncer de mama para validar la universalidad del método en diferentes dispositivos de imagen. Si bien la ventaja obtenida y la precisión absoluta variaron ampliamente y dependieron del conjunto de datos en cuestión, el nuevo método superó sistemáticamente a las soluciones convencionales en todos los casos considerados. Lo que distingue al nuevo método de los competidores es que busca "percibir" la impresión general que podría tener un especialista que trabaja con los escaneos al identificar las mismas características que afectan las decisiones de los anotadores humanos.

Lo que también distingue al estudio es la receta propuesta para estandarizar el enfoque del problema de detección de anomalías en imágenes médicas para que diferentes grupos de investigación puedan comparar sus modelos de manera consistente y reproducible. Según los científicos, su enfoque, los codificadores automáticos de percepción profunda, es fácil de trasladar a una amplia gama de otros escaneos médicos, más allá de los dos tipos utilizados en el estudio, porque la solución se adapta a la naturaleza general de tales imágenes. Es decir, es sensible a las anomalías a pequeña escala y utiliza algunos de sus ejemplos en el entrenamiento.

"Proponemos utilizar lo que se conoce como capacitación débilmente supervisada", dijo el profesor de Skoltech Dmitry Dylov, director del Grupo de Imágenes Computacionales del Instituto y autor principal del estudio. “Dado que no se encuentran disponibles dos clases claramente definidas, esta tarea suele ser tratada con modelos no supervisados ​​o fuera de distribución. Es decir, los casos anómalos no se identifican como tales en los datos de entrenamiento. Sin embargo, tratar la clase anómala como una completa desconocida es en realidad muy extraño para un problema clínico, porque los médicos siempre pueden señalar algunos ejemplos anómalos. Entonces, mostramos algunas imágenes anormales a la red para desatar el arsenal de métodos débilmente supervisados, y ayudó mucho. Incluso un solo escaneo anómalo por cada 200 normales es muy útil, y esto es bastante realista ".

"Nos complace que la asociación Philips-Skoltech nos permita abordar desafíos como este que son de gran relevancia para la industria del cuidado de la salud", dijo Irina Fedulova, coautora del estudio y directora de la rama de investigación de Philips en Moscú. “Esperamos que esta solución acelere considerablemente el trabajo de los histopatólogos, radiólogos y otros profesionales médicos que enfrentan la tediosa tarea de detectar pequeñas anomalías en grandes conjuntos de imágenes. Al someter los escaneos a un análisis preliminar, las imágenes obviamente no problemáticas se pueden eliminar, dando al experto humano más tiempo para concentrarse en los casos más ambiguos ".

Enlaces relacionados:
Skoltech
Philips Research
Universidad Goethe de Frankfurt


Miembro Oro
NEW PRODUCT : SILICONE WASHING MACHINE TRAY COVER WITH VICOLAB SILICONE NET VICOLAB®
REGISTRED 682.9
Hand-held Hemoglobin Analyzer
DiaSpect Tm
Surgical System
Stealth AXiS
Monitor de imágenes mamarias
Barco Coronis Onelook MDMC-32133 32MP
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a HospiMedica.es y acceda a las noticias y eventos que afectan al mundo de la Medicina.
  • Edición gratuita de la versión digital de HospiMedica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista HospiMedica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de HospiMedica en Español digital
  • Boletín de HospiMedica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Técnicas Quirúrgicas

ver canal
Imagen: La cirugía guiada por fluorescencia puede hacer que los nervios sean más fáciles de distinguir del tejido circundante, pero la iluminación ambiental brillante puede anular las débiles señales de fluorescencia, alterando las imágenes y el flujo de trabajo quirúrgico. Un sistema recientemente desarrollado utiliza modulación espaciotemporal para codificar la fluorescencia nerviosa con un patrón espacial y temporal distintivo, lo que permite separarla de la iluminación de fondo. (Crédito de la imagen: Y. Zhao/Physical Sciences Inc.)

Imagen por fluorescencia permite visualizar nervios con iluminación normal de quirófano

La prevención de lesiones nerviosas no intencionadas sigue siendo una preocupación importante durante la cirugía, especialmente en regiones anatómicas complejas donde los nervios... Más

Cuidados de Pacientes

ver canal
Imagen: Una vista del interior del entorno de realidad virtual personalizado utilizado en el estudio: una habitación tranquila con un osito de peluche, colores suaves y grandes ventanales con vistas al mar. (Crédito de la imagen: Walaa S. Abu Rukbah et al., Virginia Commonwealth University; CC-BY 4.0, https://creativecommons.org/licenses/by/4.0/)

Programa de realidad virtual podría reducir la ansiedad antes de cirugía pediátrica

La ansiedad antes de la cirugía afecta a un estimado del 50% al 75% de los niños sometidos a cirugía y puede complicar la inducción de la anestesia, aumentar el dolor posoperatorio... Más

Negocios

ver canal
Imagen: LigaSure RAS Maryland, diseñado para la plataforma Valleylab FT10 en Hugo RAS, sella y corta vasos, tejidos y vasos linfáticos de hasta 7 mm de diámetro (Fotografía cortesía de Medtronic)

Medtronic recibe autorización de la FDA para instrumento de sellado vascular en cirugía robótica

A medida que la cirugía asistida por robot se expande en los hospitales de Estados Unidos, los equipos buscan cada vez más instrumentos de energía con la familiaridad y el rendimiento... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.