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 |
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
Últimas RM noticias
- Nueva tecnología de imágenes de cuerpo completo permite visualizar la inflamación en la resonancia magnética
- Combinación de resonancia magnética de próstata con análisis de sangre puede evitar biopsias de próstata innecesarias
- Nuevo tratamiento combina resonancia magnética y ultrasonido para controlar cáncer de próstata sin efectos secundarios graves
- La resonancia magnética mejora el diagnóstico y el tratamiento del cáncer de próstata
- 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