La IA mejora la identificación mediante rayos X de los marcapasos
Por el equipo editorial de MedImaging en español Actualizado el 16 Apr 2019 |
Según un estudio nuevo, el software de inteligencia artificial (IA) puede ayudar a determinar la marca y el modelo de los dispositivos de ritmo cardíaco (DRC) implantados con mayor exactitud y rapidez que los métodos actuales.
El software, desarrollado en el Colegio Imperial de Londres (Imperial; Reino Unido), ayudará al personal de emergencia a eliminar los enfoques actuales para determinar el modelo de un marcapasos o desfibrilador, que implican comparar la apariencia radiográfica de un DRC con un diagrama de flujo manual. Para el estudio, los investigadores extrajeron las imágenes radiográficas de 45 modelos de DRC de cinco fabricantes. Luego desarrollaron una red neuronal convolucional (CNN) usando un conjunto de entrenamiento de 1.451 imágenes. La CNN luego se ensayó en un conjunto que contenía 225 imágenes adicionales, que consta de cinco ejemplos de cada modelo.
La capacidad de la red para identificar al fabricante de un dispositivo se comparó con la de los cardiólogos que utilizaron un diagrama de flujo. Los resultados mostraron que la CNN tenía una exactitud del 99,6% en la identificación del fabricante de un dispositivo y una exactitud del 96,4% en la identificación del grupo del modelo. Entre los cinco cardiólogos que utilizaron el diagrama de flujo, la identificación mediana de la exactitud del fabricante fue del 72%, y la identificación del grupo de modelo no fue posible. El estudio fue publicado el 27 de marzo de 2019 en la revista JACC: Clinical Electrophysiology.
“Los marcapasos y los desfibriladores han mejorado la vida de millones de pacientes. Sin embargo, en algunos casos raros, estos dispositivos pueden fallar y los pacientes se pueden deteriorar como resultado. En estas situaciones, los médicos deben identificar rápidamente el tipo de dispositivo que tiene un paciente para que puedan brindar tratamiento, como cambiar la configuración del dispositivo o reemplazar los cables”, dijo el autor principal James Howard, MD. “Desafortunadamente, los métodos existentes son lentos y desactualizados y hay una necesidad real de encontrar nuevas y mejores formas de identificar los dispositivos en situaciones de emergencia”.
La CNN utiliza una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.
Enlace relacionado:
Colegio Imperial de Londres
El software, desarrollado en el Colegio Imperial de Londres (Imperial; Reino Unido), ayudará al personal de emergencia a eliminar los enfoques actuales para determinar el modelo de un marcapasos o desfibrilador, que implican comparar la apariencia radiográfica de un DRC con un diagrama de flujo manual. Para el estudio, los investigadores extrajeron las imágenes radiográficas de 45 modelos de DRC de cinco fabricantes. Luego desarrollaron una red neuronal convolucional (CNN) usando un conjunto de entrenamiento de 1.451 imágenes. La CNN luego se ensayó en un conjunto que contenía 225 imágenes adicionales, que consta de cinco ejemplos de cada modelo.
La capacidad de la red para identificar al fabricante de un dispositivo se comparó con la de los cardiólogos que utilizaron un diagrama de flujo. Los resultados mostraron que la CNN tenía una exactitud del 99,6% en la identificación del fabricante de un dispositivo y una exactitud del 96,4% en la identificación del grupo del modelo. Entre los cinco cardiólogos que utilizaron el diagrama de flujo, la identificación mediana de la exactitud del fabricante fue del 72%, y la identificación del grupo de modelo no fue posible. El estudio fue publicado el 27 de marzo de 2019 en la revista JACC: Clinical Electrophysiology.
“Los marcapasos y los desfibriladores han mejorado la vida de millones de pacientes. Sin embargo, en algunos casos raros, estos dispositivos pueden fallar y los pacientes se pueden deteriorar como resultado. En estas situaciones, los médicos deben identificar rápidamente el tipo de dispositivo que tiene un paciente para que puedan brindar tratamiento, como cambiar la configuración del dispositivo o reemplazar los cables”, dijo el autor principal James Howard, MD. “Desafortunadamente, los métodos existentes son lentos y desactualizados y hay una necesidad real de encontrar nuevas y mejores formas de identificar los dispositivos en situaciones de emergencia”.
La CNN utiliza una cascada de muchas capas de unidades de procesamiento no lineales para la extracción y transformación de características, y cada capa sucesiva utiliza la salida de la capa anterior como entrada para formar una representación jerárquica.
Enlace relacionado:
Colegio Imperial de Londres
Últimas Ultrasonido noticias
- Nueva tecnología de ultrasonido podría revolucionar diagnóstico de enfermedades respiratorias
- Ultrasonido dinámico con contraste muy útil para intervenciones
- Transductor de ultrasonido transparente de banda ancha ultrasensible mejora diagnóstico médico
- Inteligencia artificial detecta defectos cardíacos en recién nacidos a partir de imágenes de ultrasonido
- Tecnología de imágenes por ultrasonido permite a médicos observar actividad de médula espinal durante cirugía
- Pegatinas de ultrasonido que cambian de forma detectan complicaciones postoperatorias
- Técnica de ultrasonido no invasivo ayuda a identificar complicaciones que cambian la vida después de una cirugía de cuello
- Plataforma de ultrasonido remoto ofrece exploraciones diagnósticas desde cualquier lugar
- Ultrasonido enfocado abre temporalmente la barrera hematoencefálica para permitir pruebas de ADN para tumores cerebrales
- Imágenes intravasculares mejoran significativamente resultados en procedimientos de colocación de stent cardiovascular
- Pegatina de ultrasonido portátil ayuda a identificar primeros signos de insuficiencia hepática aguda
- Primeros comandos de voz de su tipo agregados a sistemas de ultrasonido POC permiten operación a manos libres
- Ecografía detecta problemas de placenta en bebés pequeños
- Transductor de ultrasonido en forma de píldora podría beneficiar a pacientes pediátricos y adultos mayores
- Aprendizaje profundo mejora interpretación de ecografía de pulmón
- Ultrasonido de baja frecuencia mejora saturación de oxígeno en sangre