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 HospiMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Deascargar La Aplicación Móvil




Entrenamiento en elasticidad ayuda a la IA a diagnosticar el cáncer de mama

Por el equipo editorial de HospiMedica en español
Actualizado el 31 Jul 2019
Print article
Imagen: Una red neuronal clasifica los tumores utilizando datos de elastografía de ultrasonido de mama (Fotografía cortesía de iStockPhoto).
Imagen: Una red neuronal clasifica los tumores utilizando datos de elastografía de ultrasonido de mama (Fotografía cortesía de iStockPhoto).
Según un estudio nuevo, se pueden usar algoritmos de inteligencia artificial (IA) para identificar la heterogeneidad elástica de ultrasonido de un tumor, con el fin de diferenciar los tumores benignos de sus contrapartes malignas.

Investigadores de la Universidad del Sur de California (USC; Los Ángeles, EUA), del Instituto Politécnico Rensselaer (RPI; Troy, Nueva York, EUA) y de otras instituciones, crearon modelos basados en la física que simulaban los niveles variables de las dos propiedades clave de ultrasonido de un tumor de mama canceroso: heterogeneidad elástica y respuesta elástica no lineal. Luego utilizaron miles de entradas de datos derivadas de los modelos para entrenar una red neuronal convolucional (RNC) profunda para clasificar los tumores como malignos o benignos.

Se entrenó una RNC de 5 capas con 8.000 muestras para heterogeneidad, y una RNC de 4 capas con 4.000 muestras para la elasticidad no lineal. Cuando se consultó sobre imágenes sintéticas adicionales, las RNC lograron exactitudes de clasificación de 99,7% a 99,9%. Luego, los investigadores aplicaron el clasificador de elasticidad no lineal, que se entrenó completamente utilizando datos simulados, para clasificar las imágenes de desplazamiento obtenidas de diez pacientes con lesiones mamarias; la RNC clasificó correctamente ocho de cada diez casos.

“El consenso general es que estos tipos de algoritmos tienen un papel importante que desempeñar, incluso de los profesionales de imágenes sobre los que tendrán más impacto”, dijo el autor principal, el profesor, Assad Oberai, PhD, del departamento de ingeniería mecánica y aeroespacial de la USC. “Sin embargo, estos algoritmos serán más útiles cuando no sirven como cajas negras, sino que son una herramienta que ayuda a guiar a los radiólogos a conclusiones más exactas”.

La elastografía se basa en la generación de ondas de corte determinadas por el desplazamiento de los tejidos, inducido por la fuerza de un haz de ultrasonido enfocado o por una presión externa. Las ondas de corte son ondas laterales, con un movimiento perpendicular a la dirección de la fuerza generadora, que viajan lentamente y son atenuadas rápidamente por el tejido. La velocidad de propagación de las ondas de corte se correlaciona con la elasticidad del tejido.

Enlace relacionado:
Universidad del Sur de California
Instituto Politécnico Rensselaer



Print article

Canales

Téc. Quirúrgica

ver canal
Imagen: La investigación muestra que hay un total de ocho complicaciones involucradas en las muertes posquirúrgicas no cardíacas (Fotografía cortesía de Shutterstock).

Tres complicaciones son responsables por la mitad de las muertes quirúrgicas no cardíacas

Según un estudio nuevo, la hemorragia mayor, la lesión miocárdica y la sepsis representan casi el 45% de las muertes que ocurren después de una cirugía no cardíaca. Investigadores de la Universidad... Más

Bio Investigación

ver canal

Diseñan programa que proporciona soluciones integradas para investigación bioinformática

Dedicated Computing (Waukesha, WI, EUA), una compañía global de tecnología, informó que estará participando en el programa Intel Cluster Ready para ofrecer soluciones integradas de clústeres de computación de alto rendimiento para el mercado de ciencias de la vida.... Más

Negocios

ver canal
Imagen: Las investigaciones muestran que los pacientes de edad avanzada que no pueden acudir a los hospitales impulsan la demanda de dispositivos y servicios de monitorización multiparamétrica de pacientes (Fotografía cortesía de Boston Scientific).

Mercado de monitorización multiparamétrica es determinado por los pacientes que reciben atención en casa

Se proyecta que el mercado global de monitorización multiparamétrica de pacientes registre una TCAC del 5% entre 2019-2024, impulsado principalmente por el crecimiento rápido de la población que envejece... Más
Copyright © 2000-2019 Globetech Media. All rights reserved.