Algoritmo podría acelerar los exámenes de resonancia magnética
Por el equipo editorial de MedImaging en español Actualizado el 02 Dec 2011 |
Los investigadores han desarrollado un nuevo algoritmo que podría acelerar considerablemente la resonancia magnética (IRM) de 45 a 15 minutos.
En un artículo programado para ser publicado en la revista Magnetic Resonance in Medicine, investigadores dirigidos por el Dr. Elfar Adalsteinsson, profesor asociado de ingeniería eléctrica y ciencias de la computación y ciencias y tecnología de la salud y el Dr. Vivek Goyal, profesor asociado de ingeniería eléctrica y ciencias de la computación del Instituto de Tecnología de Massachusetts (MIT, Cambridge, MA, EUA) describen un algoritmo que han desarrollado para agilizar el proceso de resonancia magnética. El algoritmo utiliza la información obtenida en la primera exploración de contraste para ayudar a generar las imágenes posteriores. De esta manera, el lector no tiene que empezar desde el principio, cada vez que produce una nueva imagen de los datos originales, sino que ya tiene un esquema básico a partir del cual trabajar, reduciendo considerablemente el tiempo necesario para adquirir cada exploración posterior.
Para elaborar este esquema, el software busca características comunes a todos los diferentes análisis, tales como la estructura anatómica básica. Específicamente, el algoritmo utiliza el primer análisis para predecir la probable posición de los límites entre los diferentes tipos de tejido en los análisis de contraste posteriores. “Teniendo en cuenta los datos de un contraste, obtenemos una cierta probabilidad de que un borde en particular, por ejemplo la periferia del cerebro o los bordes que limitan diferentes compartimentos en el interior del cerebro, estarán en el mismo lugar”, declaró el doctor Adalsteinsson.
Sin embargo, el algoritmo no puede imponer demasiada información de la primera exploración en las subsiguientes, señaló el Dr. Goyal, ya que se arriesgaría a perder las características únicas del tejido reveladas por los diferentes contrastes. “Usted no quiere presuponer demasiado”, dijo. “Así que no se asume, por ejemplo, que el patrón de brillantes y oscuros de una imagen se repetirá en la siguiente imagen, porque de hecho este tipo de patrones de luz y oscuridad a menudo se invierte, y puede revelar propiedades del tejido completamente diferentes”.
Así, para cada píxel, el algoritmo calcula cuál información nueva necesita para construir la imagen y cuáles datos - como los bordes de los diferentes tipos de tejido - puede tomar de los análisis anteriores, de acuerdo con el estudiante de posgrado y autor principal, Berkin Bilgic. El resultado es una imagen de resonancia magnética, obtenida tres veces más rápido, reduciendo el tiempo que los pacientes pasan en el escáner de 45 a 15 minutos. Este tiempo de examen más rápido tiene un impacto leve en la calidad de la imagen, admitió el Sr. Bilgic, pero es mucho mejor que los algoritmos de la competencia.
Los científicos están trabajando para mejorar el algoritmo, acelerando el tiempo que tarda para procesar los datos originales de la imagen en un examen final que puede ser evaluado por los médicos, una vez que el paciente ha salido del equipo de resonancia magnética. Usando procesadores de computadora estándar, este último paso en la actualidad lleva mucho más tiempo que con las imágenes tradicionales por resonancia magnética. Sin embargo, los investigadores creen que pueden reducir este tiempo de cálculo hasta igualar el de las tradicionales imágenes por resonancia magnética usando desarrollos recientes de hardware de computación de la industria de juegos. “Las unidades de procesamiento gráfico o GPU, son órdenes de magnitud más rápidas que los procesadores estándar para ciertas tareas de cómputo, como la tarea particular de cálculo que necesitamos para este algoritmo” dijo el Dr. Adalsteinsson. Un estudiante está trabajando en el laboratorio para implementar el algoritmo en una GPU dedicada, informó.
Dwight Nishimura, director del laboratorio de investigación de sistemas para resonancia magnética de la Universidad de Stanford (Stanford, CA, EUA), declaró que el grupo del Dr. Adalsteinsson ha llevado a cabo una investigación de algoritmos muy notable. “Este trabajo es potencialmente de gran importancia porque se aplica a la rutina clínica de la resonancia magnética, entre otras aplicaciones”, comentó. “En última instancia, su método podría permitir una reducción sustancial en el tiempo del examen”.
Enlace relacionado:
Massachusetts Institute of Technology
En un artículo programado para ser publicado en la revista Magnetic Resonance in Medicine, investigadores dirigidos por el Dr. Elfar Adalsteinsson, profesor asociado de ingeniería eléctrica y ciencias de la computación y ciencias y tecnología de la salud y el Dr. Vivek Goyal, profesor asociado de ingeniería eléctrica y ciencias de la computación del Instituto de Tecnología de Massachusetts (MIT, Cambridge, MA, EUA) describen un algoritmo que han desarrollado para agilizar el proceso de resonancia magnética. El algoritmo utiliza la información obtenida en la primera exploración de contraste para ayudar a generar las imágenes posteriores. De esta manera, el lector no tiene que empezar desde el principio, cada vez que produce una nueva imagen de los datos originales, sino que ya tiene un esquema básico a partir del cual trabajar, reduciendo considerablemente el tiempo necesario para adquirir cada exploración posterior.
Para elaborar este esquema, el software busca características comunes a todos los diferentes análisis, tales como la estructura anatómica básica. Específicamente, el algoritmo utiliza el primer análisis para predecir la probable posición de los límites entre los diferentes tipos de tejido en los análisis de contraste posteriores. “Teniendo en cuenta los datos de un contraste, obtenemos una cierta probabilidad de que un borde en particular, por ejemplo la periferia del cerebro o los bordes que limitan diferentes compartimentos en el interior del cerebro, estarán en el mismo lugar”, declaró el doctor Adalsteinsson.
Sin embargo, el algoritmo no puede imponer demasiada información de la primera exploración en las subsiguientes, señaló el Dr. Goyal, ya que se arriesgaría a perder las características únicas del tejido reveladas por los diferentes contrastes. “Usted no quiere presuponer demasiado”, dijo. “Así que no se asume, por ejemplo, que el patrón de brillantes y oscuros de una imagen se repetirá en la siguiente imagen, porque de hecho este tipo de patrones de luz y oscuridad a menudo se invierte, y puede revelar propiedades del tejido completamente diferentes”.
Así, para cada píxel, el algoritmo calcula cuál información nueva necesita para construir la imagen y cuáles datos - como los bordes de los diferentes tipos de tejido - puede tomar de los análisis anteriores, de acuerdo con el estudiante de posgrado y autor principal, Berkin Bilgic. El resultado es una imagen de resonancia magnética, obtenida tres veces más rápido, reduciendo el tiempo que los pacientes pasan en el escáner de 45 a 15 minutos. Este tiempo de examen más rápido tiene un impacto leve en la calidad de la imagen, admitió el Sr. Bilgic, pero es mucho mejor que los algoritmos de la competencia.
Los científicos están trabajando para mejorar el algoritmo, acelerando el tiempo que tarda para procesar los datos originales de la imagen en un examen final que puede ser evaluado por los médicos, una vez que el paciente ha salido del equipo de resonancia magnética. Usando procesadores de computadora estándar, este último paso en la actualidad lleva mucho más tiempo que con las imágenes tradicionales por resonancia magnética. Sin embargo, los investigadores creen que pueden reducir este tiempo de cálculo hasta igualar el de las tradicionales imágenes por resonancia magnética usando desarrollos recientes de hardware de computación de la industria de juegos. “Las unidades de procesamiento gráfico o GPU, son órdenes de magnitud más rápidas que los procesadores estándar para ciertas tareas de cómputo, como la tarea particular de cálculo que necesitamos para este algoritmo” dijo el Dr. Adalsteinsson. Un estudiante está trabajando en el laboratorio para implementar el algoritmo en una GPU dedicada, informó.
Dwight Nishimura, director del laboratorio de investigación de sistemas para resonancia magnética de la Universidad de Stanford (Stanford, CA, EUA), declaró que el grupo del Dr. Adalsteinsson ha llevado a cabo una investigación de algoritmos muy notable. “Este trabajo es potencialmente de gran importancia porque se aplica a la rutina clínica de la resonancia magnética, entre otras aplicaciones”, comentó. “En última instancia, su método podría permitir una reducción sustancial en el tiempo del examen”.
Enlace relacionado:
Massachusetts Institute of Technology
Últimas TI en Imaginología noticias
- Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles
- Plataforma para el manejo de imágenes agiliza los planes de tratamiento
- Un software de patología digital mejora la eficiencia del flujo de trabajo
- Un portal centrado en los pacientes facilita el acceso a la imagenología directa
- Una red global nueva mejora el acceso a la comprensión diagnóstica
- Una estación de trabajo nuevo apoya el flujo de trabajo de la imagenología pensando en los clientes
- Nuevo software permite disección virtual de anatomía humana
- Implementan dispositivo de red en Australia
- Modelo para identificar las lesiones mamarias
- Tecnología informática reduciría millones en costos en atención médica
- Actualización permite búsquedas en varios archivos clínicos
- Liberan nuevos módulos PACS con mejoras en flujos de trabajo
- Instalan portal de entrenamiento clínico de vanguardia
- Aprueban aplicaciones especializadas para plataforma radiológica
- Dispositivo oftálmico detecta susceptibilidad a la AMD
- Sistema actualizado mejora reconstrucción de imágenes
Canales
Radiografía
ver canal
Técnica de imágenes con IA se muestra prometedora en la evaluación de pacientes para ICP
La intervención coronaria percutánea (ICP), también conocida como angioplastia coronaria, es un procedimiento mínimamente invasivo en el que se insertan pequeños tubos... Más
Mayor uso de radiografías de tórax permite detectar el cáncer de pulmón en etapas tempranas
El cáncer de pulmón sigue siendo la principal causa de muerte por cáncer en todo el mundo. Si bien tecnologías avanzadas como la tomografía computarizada (TC) desempeñan... Más
Las mamografías impulsadas por IA predicen el riesgo cardiovascular
Los Centros para el Control y la Prevención de Enfermedades de Estados Unidos recomiendan que las mujeres de mediana edad o mayores se sometan a una mamografía (una radiografía de la mama) cada uno o dos... Más
Modelo de IA generativa reduce significativamente el tiempo de lectura de radiografías de tórax
La interpretación rápida y precisa de las imágenes radiológicas es crucial debido a su impacto significativo en los resultados del paciente, ya que los errores en la interpretación pueden llevar a cambios... MásRM
ver canal
Herramienta de IA predice recaída de cáncer cerebral pediátrico a partir de resonancias magnéticas cerebrales
Muchos gliomas pediátricos pueden tratarse únicamente con cirugía, pero las recaídas pueden ser devastadoras. Predecir qué pacientes tienen riesgo de recurrencia sigue... Más
Herramienta de IA rastrea la eficacia de tratamientos para la esclerosis múltiple mediante RM cerebral
La esclerosis múltiple (EM) es una enfermedad en la que el sistema inmunológico ataca el cerebro y la médula espinal, lo que provoca alteraciones en el movimiento, la sensibilidad y la cognición.... Más
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... MásUltrasonido
ver canal
La ecografía pulmonar asistida por IA supera a expertos humanos en el diagnóstico de tuberculosis
A pesar de la disminución global de las tasas de tuberculosis (TB) en años anteriores, su incidencia aumentó un 4,6% entre 2020 y 2023. La detección temprana y el diagnóstico rápido son elementos esenciales... Más
La IA identifica la enfermedad de la válvula cardíaca a partir de una prueba de imagen común
La insuficiencia tricúspide es una afección en la que la válvula tricúspide del corazón no se cierra completamente durante la contracción, lo que provoca un flujo sanguíneo retrógrado que puede provocar... Más
Nuevo método de imágenes permite el diagnóstico temprano y seguimiento de la diabetes tipo 2
La diabetes tipo 2 se reconoce como una enfermedad inflamatoria autoinmune, en la que la inflamación crónica provoca alteraciones en la microvasculatura de los islotes pancreáticos, un factor clave en... MásMedicina Nuclear
ver canal
Nuevo anticuerpo radiomarcado mejora el diagnóstico y tratamiento de tumores sólidos
El receptor de interleucina-13 α-2 (IL13Rα2) es un receptor de superficie celular que se encuentra comúnmente en tumores sólidos como el glioblastoma, el melanoma y el cáncer... Más
Nuevo enfoque de imágenes PET ofrece una visión nunca antes vista de la neuroinflamación
La COX-2, una enzima clave en la inflamación cerebral, puede aumentar significativamente su expresión mediante estímulos inflamatorios y neuroexcitación. Los investigadores... MásImaginología General
ver canal
Sistema de imágenes impulsado por IA mejora el diagnóstico del cáncer de pulmón
Dada la necesidad de detectar el cáncer de pulmón en etapas tempranas, existe una creciente necesidad de una vía de diagnóstico definitiva para pacientes con nódulos pulmonares sospechosos.... Más
Modelo de IA mejora las capacidades de la tomografía computarizada de baja dosis
El cáncer de pulmón sigue siendo una de las enfermedades más difíciles de abordar, lo que hace que el diagnóstico temprano sea fundamental para un tratamiento eficaz.... MásIndustria
ver canal
Colaboración entre GE HealthCare y NVIDIA para reinventar la imagenología diagnóstica
GE HealthCare (Chicago, IL, EUA) ha iniciado un proceso de colaboración con NVIDIA (Santa Clara, CA, EUA), ampliando la relación existente entre las dos empresas para centrarse en la innovación... Más
Siemens y Sectra colaboran en la mejora de los flujos de trabajo en radiología
Siemens Healthineers (Forchheim, Alemania) y Sectra (Linköping, Suecia) han iniciado una colaboración destinada a mejorar las capacidades de diagnóstico de los radiólogos y, a... Más