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 hp
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Aprendizaje profundo detecta fracturas en imágenes de rayos X con una precisión del 99%

Por el equipo editorial de MedImaging en español
Actualizado el 08 May 2024
Print article
Imagen: el aprendizaje profundo permite decisiones más rápidas y precisas sobre el tratamiento de anormalidades de los hombros (foto cortesía de 123RF)
Imagen: el aprendizaje profundo permite decisiones más rápidas y precisas sobre el tratamiento de anormalidades de los hombros (foto cortesía de 123RF)

En todo el mundo, 1.700 millones de personas padecen afecciones musculoesqueléticas que pueden causar dolor y discapacidad importantes. Estas condiciones a menudo requieren decisiones de diagnóstico y tratamiento rápidas y precisas, particularmente en escenarios de emergencia. Aunque se han explorado tecnologías de aprendizaje profundo para ayudar en la toma de decisiones médicas, problemas como el bajo rendimiento y la opacidad han obstaculizado su eficacia para identificar problemas relacionados con el hombro, como fracturas, artritis o deformidades en imágenes de rayos X. Ahora, los científicos han creado un marco de aprendizaje profundo que puede identificar anomalías del hombro, como fracturas, en imágenes de rayos X con una notable precisión del 99%, ayudando a los médicos a tomar decisiones rápidas y precisas durante las emergencias.

Para construir el marco de aprendizaje profundo, los científicos de la Universidad Tecnológica de Queensland (QUT, Brisbane, Australia) emplearon una técnica de fusión de características que combina características derivadas de siete modelos neuronales profundos. El éxito de las técnicas de clasificación basadas en el aprendizaje automático depende en gran medida de características totalmente descriptivas para diferenciar con precisión varias clases. La técnica de fusión de características mejora los resultados de los modelos individuales al proporcionar una descripción completa de los datos internos, lo que da como resultado una representación compacta de las características fusionadas y, por lo tanto, mejora la precisión del diagnóstico de la tarea.

Al entrenar y evaluar individualmente siete redes neuronales convolucionales profundas para la extracción de características, los investigadores pudieron fusionar estas características extraídas en un conjunto de datos unificado para entrenar clasificadores de aprendizaje automático. Este marco propuesto logró una asombrosa tasa de precisión del 99,2 %, superando tanto a los métodos computacionales anteriores como a la precisión diagnóstica de los médicos humanos, incluidos los cirujanos ortopédicos y radiólogos, que lograron una tasa de precisión del 79 %.

"El marco propuesto ha sido validado frente a varios sesgos potenciales para garantizar una toma de decisiones confiable", dijo el coinvestigador profesor YuanTong Gu de la QUT, vicerrector adjunto y director de la Escuela de Ingeniería Mecánica, Médica y de Procesos de QUT. "Esta herramienta puede proporcionar decisiones en tiempo real, lo cual es crucial para un problema de este tipo".

Enlaces relacionados:
Universidad Tecnológica de Queensland

New
Mobile Cath Lab
Photon F65/F80
Portable Color Doppler Ultrasound Scanner
DCU10
Ultrasound Table
Women’s Ultrasound EA Table
New
Prostate Cancer MRI Analysis Tool
DynaCAD Urology

Print article

Canales

RM

ver canal
Imagen: Comparación que muestra exploraciones 3T y 7T para el mismo participante (foto cortesía de P Simon Jones/University of Cambridge)

Imágenes por RM ultrapotentes permiten cirugías en pacientes con epilepsia resistente al tratamiento

Aproximadamente 360.000 personas en el Reino Unido padecen epilepsia focal, una afección en la que las convulsiones se propagan desde una parte del cerebro. Alrededor de un tercio de estos pacientes... Más

Medicina Nuclear

ver canal
Imágenes PET/TC con 68Ga-FZ-NR-1 e imágenes PET/TC y PET/RM con 18F-FDG en pacientes representativos con TNBC con nectina-4 positiva (foto cortesía del Journal of Nuclear Medicine)

Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo

El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... Más

Imaginología General

ver canal
Imágenes axiales de ventana pulmonar de TC de tórax sin contraste de tres parches de muestra diferentes que se muestran en cada fila (Foto cortesía de Radiology: Cardiothoracic Imaging)

TC de dosis ultra baja ayuda en el diagnóstico de neumonía en pacientes inmunocomprometidos

Las infecciones pulmonares pueden poner en peligro la vida de los pacientes con sistemas inmunitarios debilitados, por lo que el diagnóstico oportuno es crucial. Si bien las tomografías computarizadas... 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 © 2000-2025 Globetech Media. All rights reserved.