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
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Imágenes sintetizadas de rayos X para capacitación de programas de IA

Por el equipo editorial de MedImaging en español
Actualizado el 08 Aug 2018
Print article
Imagen: Rayos X (I) junto a una radiografía sintetizada creada por DCGAN. Debajo de las imágenes de rayos X se encuentran los mapas de calor correspondientes (Fotografía cortesía de Hojjat Salehinejad/MIMLab).
Imagen: Rayos X (I) junto a una radiografía sintetizada creada por DCGAN. Debajo de las imágenes de rayos X se encuentran los mapas de calor correspondientes (Fotografía cortesía de Hojjat Salehinejad/MIMLab).
Un nuevo estudio describe cómo se pueden usar los rayos X generados por computadora para aumentar los conjuntos de entrenamiento de la inteligencia artificial (IA).

Para generar y mejorar continuamente las radiografías artificiales, los investigadores de la Universidad de Toronto (Canadá) utilizaron algoritmos de red adversarial generativa profunda convolucional (DCGAN, por sus siglas en inglés), que están formados por dos redes: una que genera las imágenes, y la otra que intenta discriminar las imágenes sintéticas de las imágenes reales. Las dos redes se entrenan continuamente hasta que alcanzan un punto en el que el discriminador no puede diferenciar las imágenes reales de las sintetizadas. Una vez que se crea una cantidad suficiente de rayos X artificiales, se utilizan para entrenar a otro DCGAN que puede clasificar las imágenes en consecuencia.

Luego, los investigadores compararon la exactitud del conjunto de datos aumentado artificialmente con el original cuando se alimentaron a través de su sistema de IA, y encontraron que la exactitud de clasificación mejoró en un 20% para las condiciones comunes. Para algunas condiciones raras, la exactitud mejoró hasta un 40%. Una ventaja del método es que como los rayos X sintéticos no son reales, el conjunto de datos puede estar fácilmente disponible para los investigadores fuera de las instalaciones del hospital sin violar las preocupaciones de privacidad. El estudio fue presentado en la Conferencia Internacional de IEEE sobre Acústica, Procesamiento de Voz y Señales, celebrada en abril de 2018 en Calgary (Canadá).

“En cierto sentido, utilizamos el aprendizaje automático para hacer aprendizaje automático”, dijo el autor principal y presentador del estudio, el profesor Shahrokh Valaee, PhD, del Laboratorio de Inteligencia Artificial en Medicina (MIMLab). “Creamos radiografías simuladas que reflejan ciertas condiciones raras para que podamos combinarlas con rayos X reales y poder tener una base de datos lo suficientemente grande como para entrenar las redes neuronales para identificar estas afecciones en otros rayos X”.

“El aprendizaje profundo solo funciona si el volumen de datos de entrenamiento es lo suficientemente grande, y esta es una forma de garantizar que tengamos redes neuronales que puedan clasificar imágenes con alta precisión”, concluyó el profesor Valaee. “Hemos podido demostrar que los datos artificiales generados por GAN convolucionales profundas se pueden utilizar para aumentar los conjuntos de datos reales. Esto proporciona una mayor cantidad de datos para el entrenamiento y mejora el desempeño de estos sistemas en la identificación de condiciones raras”.




Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound Needle Guide
Ultra-Pro II
New
DR Flat Panel Detector
1500L
Dose Calibration Electrometer
PC Electrometer

Print article

Canales

Radiografía

ver canal
Imagen: El software de reconocimiento de forma DL Precise mejora la precisión y la eficiencia en las imágenes médicas (Fotografía cortesía de DeepLook Medical)

Nueva tecnología de IA podría revolucionar detección del cáncer en senos densos

Casi la mitad de las mujeres de 40 años o más poseen un tejido mamario denso, lo que aumenta su susceptibilidad al cáncer de mama. El desafío de detectar el cáncer en... Más

RM

ver canal
Imagen: Se ha encontrado que 0.55T son suficiente para obtener una imagen de calidad diagnóstica de una resonancia magnética (Fotografía cortesía de 123RF)

Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales

La resonancia magnética (RM) es una herramienta vital en el diagnóstico médico, pero el alto costo de los sistemas clínicos de cuerpo entero es una barrera importante.... Más

Ultrasonido

ver canal
Imagen: El ultrasonido intravascular proporciona una imagen más precisa y específica de las arterias coronarias (Fotografía cortesía de 123RF)

Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular

Las personas con enfermedad de las arterias coronarias, que implica la acumulación de placa en las arterias que provoca síntomas como dolor en el pecho, dificultad para respirar y ataques... Más

Medicina Nuclear

ver canal
Imagen: La técnica de imágenes PET puede detectar de manera no invasiva la inflamación activa antes de que surjan síntomas clínicos (Fotografía cortesía de 123RF)

Nuevo trazador PET detecta artritis inflamatoria antes de que aparezcan síntomas

La artritis reumatoide, la forma más común de artritis inflamatoria, afecta a 18 millones de personas en todo el mundo. Es una enfermedad autoinmune compleja caracterizada por inflamación... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.