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




Modelos de IA generativa podrían encontrar aplicación en TC de rayos X de dosis baja y resonancia magnética acelerada

Por el equipo editorial de MedImaging en español
Actualizado el 06 Feb 2024
Print article
Imagen: Los investigadores están mejorando los modelos de IA generativa para imágenes médicas del mundo real (Fotografía cortesía de 123RF)
Imagen: Los investigadores están mejorando los modelos de IA generativa para imágenes médicas del mundo real (Fotografía cortesía de 123RF)

Los modelos de difusión son un tipo de modelos generativos profundos que tienen mucho éxito en aplicaciones como la generación de imágenes y la síntesis de audio, así como en imágenes médicas y diseño de moléculas. Los modelos de difusión están diseñados para aprender la distribución de los datos, lo cual es importante para descifrar datos complejos y a gran escala del mundo real. Actualmente, existen varias limitaciones con respecto a las aplicaciones prácticas de los modelos de difusión. Por ejemplo, el entrenamiento y la inferencia de modelos de difusión requieren un uso intensivo de datos y son computacionalmente exigentes, lo que limita su uso en varias disciplinas científicas. Las imágenes generadas en imágenes médicas del mundo real son siempre de alta resolución y alta dimensión, mucho más allá de lo que pueden gestionar los modelos de difusión existentes en términos de memoria y eficiencia de tiempo. Además, los modelos de difusión tienen un tiempo de inferencia indeseablemente largo debido al procedimiento de muestreo iterativo.

El equipo de investigación de Ingeniería de Michigan de la Universidad de Michigan (Ann Arbor, MI, EUA) está trabajando en el desarrollo de modelos de difusión nuevos y más eficientes que puedan superar las limitaciones actuales. El equipo se centra en examinar cómo se pueden aplicar los modelos de difusión a problemas inversos, que es cuando se utiliza un conjunto de observaciones para determinar los factores que generaron los resultados. El equipo está trabajando para mejorar la aplicabilidad práctica y la interpretabilidad matemática de los modelos de difusión mediante el desarrollo de nuevos diseños de arquitectura e incrustaciones latentes.

Los investigadores también están desarrollando nuevas técnicas para mejorar la eficiencia del entrenamiento y el muestreo de los modelos de difusión. Están trabajando para crear modelos de difusión computacionalmente eficientes para datos de alta dimensión que podrían mejorar aún más la eficiencia de los datos, la memoria y el tiempo. Esto podría mejorar significativamente aplicaciones como las imágenes biomédicas de alta resolución y altas dimensiones, así como la predicción del movimiento basada en imágenes dinámicas de alta dimensión.

"Los modelos generativos son uno de los temas más candentes en el aprendizaje automático en este momento y estoy entusiasmado de tener la oportunidad de investigar su potencial para resolver problemas inversos, especialmente en imágenes médicas", dijo Fessler, profesor colegiado William L. Root de EECS. "Esperamos aplicar los métodos desarrollados en este proyecto a aplicaciones de imágenes médicas en 3D a gran escala, como la TC de rayos X de baja dosis y la resonancia magnética acelerada".

Enlaces relacionados:
Universidad de Michigan

New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
Radiation Therapy Treatment Software Application
Elekta ONE
New
Mini C-arm Imaging System
Fluoroscan InSight FD
Wall Fixtures
MRI SERIES

Print article
Radcal

Canales

Radiografía

ver canal
Imagen: El nuevo detector de rayos X produce una radiografía de alta calidad (foto cortesía de ACS Central Science 2024, https://doi.org/10.1021/acscentsci.4c01296)

Detector altamente sensible y plegable hace que la radiografía sea más segura

Los rayos X se utilizan ampliamente en pruebas de diagnóstico y monitoreo industrial, desde controles dentales hasta escaneos de equipaje en aeropuertos. Sin embargo, estos rayos de alta energía... Más

Ultrasonido

ver canal
Imagen: un prototipo del dispositivo desarrollado (foto cortesía de KTU)

Dispositivo de ultrasonido mejora de forma no invasiva la circulación sanguínea en las extremidades inferiores

La circulación sanguínea deficiente en las extremidades inferiores es un problema de salud común entre los ancianos y es una complicación significativa de la diabetes, a menudo... Más

Medicina Nuclear

ver canal
Imagen: Ejemplo de análisis de IA de imágenes PET/TC (foto cortesía de Academic Radiology; DOI: 10.1016/j.acra.2024.08.043)

Análisis de IA de imágenes PET/TC predice efectos secundarios de la inmunoterapia en cáncer de pulmón

La inmunoterapia ha avanzado significativamente en el tratamiento del cáncer de pulmón primario, pero a veces puede provocar un efecto secundario grave conocido como enfermedad pulmonar intersticial.... Más

Imaginología General

ver canal
Imagen: Cleerly ofrece una solución CCTA habilitada para AI para una evaluación personalizada, precisa y medible de placa, estenosis e isquemia (foto cortesía de Cleerly)

Evaluaciones de placas habilitadas por IA ayudan a cardiólogos a identificar a pacientes con EAC de alto riesgo

Una investigación pionera ha demostrado que un análisis no invasivo basado en inteligencia artificial (IA) de la tomografía computarizada (TC) cardíaca puede predecir eventos cardíacos graves en pacientes... 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.