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

Software de imagenología analiza composición de cálculos renales

Por el equipo editorial de MedImaging en español
Actualizado el 16 Jan 2018
Una herramienta simplificada y semiautomatizada analiza los cálculos renales de manera instantánea utilizando los exámenes de tomografía computarizada (TC) de un paciente.

El software StoneChecker (Radstock, Reino Unido), basado en el algoritmo TexRAD (Cambridge, Reino Unido), examina los atributos físicos de un cálculo renal en los cortes mejorados sin contraste de las tomografías computarizadas. El algoritmo patentado de Análisis de Texturas con TC filtración-histograma, resalta las características generales, utilizando el análisis de histogramas para cuantificar y evaluar la distribución de los niveles de grises, la tosquedad y la regularidad dentro de la región de interés. Los filtros que extraen y mejoran las características de la imagen a escalas más grandes reducen los artefactos de ruido, mientras que se mejora la heterogeneidad en la arquitectura de piedra.

Imagen: Las métricas de la textura con la TC pueden identificar la composición de los cálculos renales (Fotografía cortesía de StoneChecker).
Imagen: Las métricas de la textura con la TC pueden identificar la composición de los cálculos renales (Fotografía cortesía de StoneChecker).

Stonechecker luego prepara un informe de las características dadas de un cálculo, como el volumen, la densidad media de la unidad Hounsfield (UH), la distancia de la piel al cálculo, la entropía, la curtosis, la inclinación y otras métricas. Se ha demostrado que cada uno de estos factores es relevante para predecir las tasas sin cálculos y el resultado potencial de un procedimiento de litotricia realizado al cálculo. Los parámetros de heterogeneidad en diferentes escalas espaciales permiten la evaluación cuantitativa de los biomarcadores de imágenes dentro de los cálculos renales, que luego se pueden utilizar para identificar el fracaso del tratamiento en la TC previa al tratamiento.

“Las medidas de CTTA reflejan las características y la composición de los cálculos y predicen la facilidad de la fragmentación de la litotricia con ondas de choque. La correlación más fuerte con el número de descargas requeridas para fragmentar un cálculo renal es la densidad media en UH y la entropía de la distribución de píxeles de la imagen del cálculo”, informa la compañía. “Con la ayuda del análisis de regresión lineal múltiple, las medidas CTTA de entropía y curtosis pueden predecir el 92% del resultado del número de descargas necesarias para fragmentar el cálculo”.

Los cálculos renales a menudo no son más grandes que un grano de arroz, pero algunos pueden crecer hasta un diámetro de varios centímetros, causando el bloqueo de los uréteres. Si no se puede disolver químicamente, el cálculo renal se trata usando terapia de ondas de choque extracorpórea o modalidades endoscópicas mínimamente invasivas. Muchos de estos pacientes sufren recurrencia de la enfermedad y necesitan un retratamiento, pero la nueva formación de cálculos se puede reducir mediante la adaptación de los hábitos alimenticios o el uso de estrategias de medicamentos particulares, según la composición del cálculo.


Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
Miembro Plata
Mobile X-Ray Barrier
Lead Acrylic Mobile X-Ray Barriers
New
X-Ray Detector
FDR-D-EVO III
New
Breast Imaging Workstation
SecurView

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