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.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

RM ayuda a determinar arquitectura en 3D del cuello uterino

Por el equipo editorial de MedImaging en español
Actualizado el 11 Jan 2018
Un nuevo estudio describe cómo se puede utilizar la resonancia magnética (RM) tridimensional (3D) para controlar las debilidades en el cuello uterino de las mujeres, ayudando a prevenir el aborto espontáneo.
 

Imagen: Las fibras que rodean el canal cervical proporcionan fuerza y soporte (Fotografía cortesía de la Universidad de Leeds).
Imagen: Las fibras que rodean el canal cervical proporcionan fuerza y soporte (Fotografía cortesía de la Universidad de Leeds).
Investigadores de la Universidad de Leeds (Reino Unido) realizaron un estudio transversal, que incluyó mediciones de resonancia magnética de tensor de difusión de alta resolución (DT-MRI) ex vivo de siete cuellos uterinos obtenidos al momento de la histerectomía para lesiones benignas, utilizando un espectrómetro de resonancia magnética nuclear Bruker (NMR) de 9,4-T. Se utilizó un algoritmo determinista para visualizar la organización subyacente de las fibras con el fin de determinar la microarquitectura del cuello uterino humano e identificar las estructuras oclusivas en la región correspondiente al orificio cervical interno.
 
Las imágenes revelaron una estructura fibrosa a lo largo de la parte superior del cuello uterino, que se vuelve mucho más pronunciada cerca de donde se une al útero. Las fibras están hechas de colágeno y músculo liso y forman un anillo alrededor de la parte superior del canal cervical. Durante el embarazo, las fibras proporcionan una barrera fuerte de soporte que mantiene al feto y al saco amniótico en su sitio, y evita que los microorganismos entren al útero. Durante el trabajo de parto, el cuerpo libera sustancias químicas que abren el cuello uterino, lo que permite que el feto ingrese al canal de parto. El estudio fue publicado el 11 de diciembre de 2017 en la revista BJOG.
 
“Al aplicar las técnicas de imagenología que se han utilizado en el cerebro, podemos obtener una comprensión mucho más clara de la arquitectura del tejido que le da al cuello uterino sus propiedades biomecánicas únicas”, dijo el Sr. Nigel Simpson, profesor asociado de obstetricia y ginecología de la Universidad de Leeds. “Los hallazgos de este estudio nos han alentado a explorar nuevas técnicas de imagenología para verificar la integridad de estas fibras antes o durante el embarazo con el fin de identificar a las madres en riesgo, intervenir antes y así prevenir la pérdida tardía del embarazo y el nacimiento prematuro”.
 
Las moléculas de agua sufren un movimiento browniano aleatorio, también conocido como difusión. La resonancia magnética es sensible a este movimiento, ya que está controlada por el valor b. Cuando el valor b es igual a cero, las imágenes no se ponderan por difusión; cuando el valor b es mayor de cero, las imágenes son ponderadas por difusión. Cuando la difusión se ve obstaculizada, por las membranas celulares, el escudo de mielina, etc., la señal es más alta. Por lo tanto, se puede usar la DT-MRI para visualizar las estructuras de la fibra, ya que puede diferenciar fácilmente las difusividades de las moléculas de agua a lo largo y contra la fibra.
 

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Ultrasound Needle Guide
Ultra-Pro II
New
Ultrasound System
P20 Elite
New
CT Phantom
CIRS Model 610 AAPM CT Performance Phantom

Últimas Imaginología General noticias

Tecnología de imágenes proporciona nuevo enfoque innovador para diagnosticar y tratar cáncer de intestino

Puntuación de calcio coronario por TC predice ataques cardíacos y accidentes cerebrovasculares

Modelo de IA detecta 90 % de casos de cáncer linfático a partir de imágenes de PET y TC