Nueva técnica de reconstrucción de imágenes combina ciencia de datos con aprendizaje automático para resonancias magnéticas más rápidas
Por el equipo editorial de MedImaging en español Actualizado el 20 Sep 2022 |
Durante la última década, los científicos han estado haciendo que la resonancia magnética nuclear (RMN) sea más rápida utilizando una técnica llamada detección comprimida, que utiliza la idea de que las imágenes se pueden comprimir en tamaños más pequeños, similar a comprimir un archivo .jpeg en una computadora. Más recientemente, los investigadores han estado averiguando el uso del aprendizaje profundo, un tipo de aprendizaje automático, para acelerar la reconstrucción de imágenes de resonancia magnética. En lugar de capturar todas las frecuencias durante el procedimiento de resonancia magnética, este proceso omite frecuencias y utiliza un algoritmo de aprendizaje automático entrenado para predecir los resultados y llenar esos vacíos.
Muchos estudios han demostrado que el aprendizaje profundo es mejor que la detección comprimida tradicional por un amplio margen. Sin embargo, existen algunas preocupaciones con el uso del aprendizaje profundo; por ejemplo, tener datos de entrenamiento insuficientes podría crear un sesgo en el algoritmo que podría hacer que malinterprete los resultados de la resonancia magnética. Ahora, utilizando una combinación de herramientas modernas de ciencia de datos e ideas de aprendizaje automático, los investigadores han encontrado una manera de ajustar el método de compresión tradicional para que sea casi tan de alta calidad como el aprendizaje profundo. Este hallazgo de científicos e ingenieros de la Universidad de Minnesota (Minneapolis, MN, EUA) proporciona una nueva dirección de investigación para el campo de la reconstrucción de resonancia magnética. Puede mejorar el rendimiento de las técnicas de reconstrucción de resonancia magnética tradicionales, lo que permite resonancias magnéticas más rápidas para mejorar la atención médica.
“Las resonancias magnéticas toman mucho tiempo porque los datos se adquieren de manera secuencial. Tienes que llenar el espacio de frecuencia de tu imagen de manera sucesiva”, explicó Mehmet Akcakaya, profesor asociado de Jim y Sara Anderson en el Departamento de Ingeniería Eléctrica e Informática de la Universidad de Minnesota. “Queremos hacer que las resonancias magnéticas sean más rápidas para que los pacientes estén allí por menos tiempo y para que podamos aumentar la eficiencia en el sistema de salud”.
“Lo que estamos diciendo es que hay mucha expectación en torno al aprendizaje profundo en las resonancias magnéticas, pero tal vez esa brecha entre los métodos nuevos y tradicionales no es tan grande como se informó anteriormente”, dijo Akcakaya. “Descubrimos que si sajustas los métodos clásicos, pueden funcionar muy bien. Entonces, tal vez deberíamos volver y mirar los métodos clásicos y ver si podemos obtener mejores resultados. También hay una gran cantidad de investigaciones excelentes en torno al aprendizaje profundo, pero estamos tratando de mirar ambos lados de la imagen para ver dónde podemos encontrar el mejor rendimiento, las garantías teóricas y la estabilidad”.
Enlaces relacionados:
Universidad de Minnesota
Últimas RM noticias
- Exploración combinada PET-MRI mejora tratamiento para pacientes con cáncer de mama en etapa temprano
- Resonancia magnética 4D podría mejorar evaluación clínica de anomalías del flujo sanguíneo del corazón
- Terapia de ultrasonido enfocado guiada por resonancia magnética se muestra prometedora en tratamiento del cáncer de próstata
- La máquina de resonancia magnética más potente del mundo captura imágenes del cerebro vivo con una claridad inigualable
- Herramienta de resonancia magnética basada enIA supera métodos actuales de diagnóstico de tumores cerebrales
- RMPD ilumina pequeñas lesiones de ovario como bombillas
- Resonancia magnética abreviada de mama eficaz para detección de alto riesgo sin comprometer precisión diagnóstica
- Nuevo método de resonancia magnética detecta enfermedad de Alzheimer antes en personas sin signos clínicos
- Monitorización por resonancia magnética reduce mortalidad en mujeres con alto riesgo de cáncer de mama BRCA1
- Innovadoras imágenes cerebrales cuantitativas basadas en inteligencia artificial en resonancia magnética podrían ser un avance en atención neurológica
- Algoritmo de aprendizaje profundo realiza segmentación automática de cerebros neonatales a partir de imágenes de resonancia magnética
- Imágenes de resonancia magnética de 0,55 T de campo bajo ofrecen utilidad diagnóstica similar a la de 1,5 T para exploraciones abdominales
- Secuencia de resonancia magnética acelerada ayuda a radiólogos a evaluar enfermedades cardíacas sin contener la respiración
- Prueba de resonancia magnética de 60 segundos ayuda a diagnosticar más fácilmente el fallo de derivación en niños con hidrocefalia
- 'Sonda' de resonancia magnética mide de forma no invasiva salud placentaria
- Agentes de imágenes de doble propósito para escáneres PET y de RMN podrían diagnosticar enfermedades neurodegenerativas antes