En Es
Categorías

Noticias de la industria

Investigadores usan aprendizaje automático para aumentar la resolución de las imágenes por TCO

Por Medimaging en español plantel de escritores
09 Oct 2019

Imagen: Una técnica nueva, llamada tomografía de refracción de coherencia óptica (TRCO), podría mejorar las imágenes médicas obtenidas en la industria multimillonaria de la TCO para campos médicos que van desde la cardiología hasta la oncología (Fotografía cortesía de Pixabay).Los ingenieros biomédicos de la Universidad de Duke (Durham, NC, EUA) idearon un método para aumentar la resolución de la tomografía de coherencia óptica (TCO) a una escala de una sola micra en todas las direcciones. La nueva técnica, llamada tomografía de refracción de coherencia óptica (TRCO), podría mejorar las imágenes médicas obtenidas en la industria multimillonaria de la TCO para campos médicos que van desde la cardiología hasta la oncología.

La TCO es una tecnología de imagenología análoga a la ecografía, que utiliza luz en lugar de ondas de sonido. Una sonda dispara un haz de luz sobre un tejido y, en función de los retrasos de las ondas de luz a medida que se recuperan, se determina los límites de las características internas. Para obtener una imagen completa de estas estructuras, el proceso se repite en muchas posiciones horizontales sobre la superficie del tejido que se escanea.

Dado que la TCO proporciona una resolución de profundidad mucho mejor que la dirección lateral, funciona mejor cuando estas características contienen principalmente capas planas. Cuando los objetos dentro del tejido tienen formas irregulares, las características se vuelven borrosas y la luz se refracta en diferentes direcciones, reduciendo la calidad de la imagen. Los intentos anteriores para crear imágenes de TCO con alta resolución lateral se basaron en la holografía, que mide minuciosamente el complejo campo electromagnético reflejado desde el objeto. Si bien esto se ha demostrado, el método requiere que la muestra y el aparato de imagenología permanezcan perfectamente quietos hasta la escala nanométrica durante toda la medición.

Sin embargo, los ingenieros biomédicos de la Universidad de Duke tomaron un enfoque diferente. En lugar de confiar en la holografía, los investigadores combinaron las imágenes de TCO adquiridas desde múltiples ángulos para extender la resolución de profundidad a la dimensión lateral. Sin embargo, cada imagen TCO individual se distorsiona por la refracción de la luz a través de irregularidades en las células y otros componentes del tejido. Con el fin de poder compensar estos caminos alterados al compilar las imágenes finales, los investigadores debían modelar con exactitud la forma cómo se dobla la luz a medida que pasa a través de la muestra.

Para lograr esta hazaña computacional, los ingenieros biomédicos desarrollaron un método utilizando la “optimización basada en gradiente” para inferir el índice de refracción dentro de las diferentes áreas de tejido en base a las imágenes de múltiples ángulos. Este enfoque determina la dirección en la que se debe ajustar la propiedad dada, en este caso, el índice de refracción, para crear una mejor imagen. Después de varias iteraciones, el algoritmo crea un mapa del índice de refracción del tejido que compensa mejor las distorsiones de la luz. El método se implementó utilizando TensorFlow, una biblioteca de software popular creada por Google para aplicaciones de aprendizaje profundo.

Para los experimentos de prueba de concepto, los investigadores tomaron muestras de tejido como la vejiga o la tráquea de un ratón, las colocaron en un tubo y rotaron las muestras 360 grados debajo de un escáner de TCO. El algoritmo creó con éxito un mapa del índice de refracción de cada muestra, aumentando la resolución lateral del escaneo en más de un 300% y reduciendo el ruido de fondo en la imagen final. Si bien el estudio utilizó muestras ya extraídas del cuerpo, los investigadores creen que se puede adaptar la TRCO para trabajar en un organismo vivo.

“Una de las muchas razones por las que este trabajo me parece emocionante es que pudimos tomar prestadas herramientas de la comunidad de aprendizaje automático y aplicarlas no solo para procesar imágenes de TCO, sino también para combinarlas de una manera novedosa y extraer nueva información”, dijo el investigador, Kevin Zhou. “Creo que hay muchas aplicaciones de estas bibliotecas de aprendizaje profundo como TensorFlow y PyTorch, fuera de las tareas estándar como la clasificación y segmentación de las imágenes”.

Enlace relacionado:
Universidad de Duke



E-mail Imprimir
Facebook Twitter Google+ Linked in

Noticias adicionales

05 Aug 2020
Sysmex presenta tecnología avanzada en análisis en el Simposio Internacional Virtual en Diagnóstico Integral
La primera participación de la compañía en este formato estará marcada por un stand virtual y una conferencia en el programa oficial.
Más info
23 Oct 2019
Software para la TC de tórax basada en IA de Siemens Healthineers recibe aprobación de la FDA de los EUA
La Administración de Medicamentos y Alimentos de los Estados Unidos (FDA) aprobó tres módulos de AI-Rad Companion Chest CT, un asistente de software inteligente de Siemens Healthineers (Erlangen, Alemania) que lleva la inteligencia artificial (IA) a la tomografía computarizada (TC). Representando al primer asistente inteligente de la nueva plataforma AI-Rad Companion, AI-Rad Companion Chest CT, ayuda a los radiólogos a interpretar imágenes del tórax (pecho) rápidamente con la exactitud y precisión deseadas, y documenta automáticamente estos hallazgos como informes estructurados.
Más info
23 Oct 2019
Sociedades de imagenología publican una declaración sobre el uso de la IA en radiología
Expertos en el uso de inteligencia artificial (IA) en radiología de muchos de los principales grupos de radiología, física médica e informática de imágenes del mundo, publicaron una declaración aspiracional para guiar el desarrollo de la IA en radiología. La declaración hecha por varias sociedades se enfoca en tres áreas principales: datos, algoritmos y práctica. Las sociedades de creación incluyeron el Colegio Americano de Radiología (ACR), la Sociedad Europea de Radiología (ESR), la Sociedad Radiológica de América del Norte (RSNA), la Sociedad de Informática de Imágenes en Medicina (SIIM), la Sociedad Europea de Informática de Imágenes Médicas (EuSoMII), la Asociación Canadiense de Radiólogos (CAR) y la Asociación Americana de Físicos en Medicina (AAPM).
Más info
23 Oct 2019
Sistema de IA detecta hallazgos claves en las radiografías de tórax de los pacientes con neumonía
Investigadores de Intermountain Healthcare (Salt Lake City, UT, EUA) y la Universidad de Stanford (Stanford, CA, EUA) demostraron que un modelo de interpretación de rayos X de tórax que usa inteligencia artificial (IA) automatizada sólo se demoraba 10 segundos para identificar con exactitud los hallazgos clave en las radiografías de tórax de los pacientes con sospecha de neumonía.
Más info
23 Oct 2019
Foro de atención en salud MEDICA presentará soluciones de vanguardia
Los visitantes de la feria comercial MEDICA de este año verán innovaciones de primera línea para el progreso médico del mañana. MEDICA es la feria médica más grande del mundo con más de 5.300 expositores de 70 países, y se llevará a cabo del 18 al 21 de noviembre de 2019 en Düsseldorf, Alemania. Como parte del evento, el Foro de Atención de Salud Conectada MEDICA (MCHF), presentará soluciones de vanguardia y llevará a cabo sesiones sobre el Internet de las Cosas Médicas (IoMT). Por ejemplo, Zimmer & Peacock ofrece biosensores que analizan los valores de pH, glucosa, lactato y ácido úrico. Estos sensores se implementan en dispositivos portátiles para uso directo en el cuerpo y, por lo tanto, ayudan en el diagnóstico inteligente de los parámetros de salud.
Más info
22 Oct 2019
Algoritmo de IA identifica a los pacientes que se pueden beneficiar de la cirugía de remoción de coágulos
Investigadores del Centro de Ciencias de la Salud de la Universidad de Texas (Houston, TX, EUA) desarrollaron un algoritmo que puede ayudar a los médicos fuera de los principales centros de tratamiento de accidentes cerebrovasculares, a evaluar si un paciente que sufre un accidente cerebrovascular isquémico, se podría beneficiar de un procedimiento endovascular que elimine un coágulo que bloquea una arteria.
Más info
22 Oct 2019
Agfa exhibe su portafolio de IA y de RD en las JFR 2019
Agfa Radiology Solutions (Mortsel, Bélgica) mostró su cartera de productos de inteligencia artificial (IA) y radiografía digital (RD) en el congreso nacional de radiología de Francia, las Journées Francophones de Radiologie (JFR), celebrado en París del 11 al 14 de octubre. El tema de las JFR de este año fue “El radiólogo mejorado” en todas sus dimensiones humanas, éticas, algorítmicas y terapéuticas, en beneficio de los radiólogos y sus pacientes.
Más info
09 Oct 2019
RSNA anuncia reto de IA para la hemorragia intracraneal
La Sociedad Norteamericana de Radiología {(RSNA), Oak Brook, IL, EUA} lanzó su tercer desafío anual de inteligencia artificial (IA): el Desafío de Clasificación y Detección de Hemorragia Intracraneal de la RSNA. El Desafío de IA es una competencia entre investigadores para crear aplicaciones que realicen una tarea definida de acuerdo con medidas de desempeño especificadas.
Más info
07 Oct 2019
NIH concede subvención por 1,6 millones de dólares a Subtle Medical
Los Institutos Nacionales de Salud {(NIH) Bethesda, MA, EUA} le otorgaron a la compañía de tecnología de atención médica Subtle Medical (Menlo Park, CA, EUA) una subvención Fast-Track de Investigación e Innovación para Pequeñas Empresas (SBIR) por 1,6 millones de dólares. El premio Fast-Track a la Fase 2 de 2,5 años financiará un producto de inteligencia artificial (IA), SubtleGAD, en desarrollo por Subtle Medical destinado a reducir la dosis de gadolinio necesaria durante los exámenes de resonancia magnética usando aprendizaje profundo (AP). El trabajo conducirá a una resonancia magnética realzada con contraste, más segura.
Más info
Derecho de autor © 2000-2020 TradeMed.com. Todos los derechos reservados. | Términos y condiciones