Un algoritmo potenciado por la IA mejora las imágenes de radiografía digital

El software ha sido diseñado para todos los sistemas de RD, desde las radiografías simples hasta los sistemas de angiografía avanzada, incluyendo fluoroscopia de baja dosis y secuencias de angiografía de alta calidad.

Al utilizar inteligencia artificial (IA), se puede lograr una calidad de imagen óptima incluso con diferentes condiciones, como diferentes exposiciones a dosis y diferentes anatomías para imágenes tanto estáticas como dinámicas. Altumira aborda los desafíos importantes relacionados con la durabilidad y la alta calidad de imagen, incluidas las diferentes condiciones de exposición entre pacientes; una amplia variedad de características de imagen y requisitos para todo tipo de anatomías; y niveles de dosis e intensidad variables, así como órganos y colimadores en movimiento en secuencias dinámicas.

“Este nuevo producto ha sido diseñado para sistemas de rayos X que se pueden usar para imágenes tanto estáticas como dinámicas. Estos sistemas combinados se usan cada vez más en la atención médica y en un segmento en crecimiento”, dijo Anita Tollstadius, directora ejecutiva de ContextVision. “Nuestros clientes ahora pueden satisfacer las exigentes necesidades de la radiografía digital en la actualidad, manejando todo tipo de variaciones dentro y entre imágenes y secuencias, tanto para la radiografía digital simple como para la dinámica”.

“El éxito de ContextVision se basa en un amplio conocimiento tecnológico y de aplicaciones combinado con una amplia plataforma tecnológica”, dijo Fredrik Palm, vicepresidente de negocios OEM en ContextVision. “El aprendizaje profundo es un ajuste natural, y ahora lo hemos incorporado como una tecnología central. Somos implacables en nuestra búsqueda de I+D y el desarrollo de productos para liderar continuamente el campo del análisis de imágenes y procesamiento de imágenes médicas con productos invaluables”.

El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de la IA basados en el aprendizaje de representaciones de datos, en lugar de algoritmos específicos de tareas. Incluye algoritmos de redes neuronales artificiales (ARN) que utilizan una cascada de muchas capas de unidades de procesamiento no lineal para la extracción y transformación de características y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.

Enlace relacionado:
ContextVision