Software con IA quita los ruidos en las imágenes de las TC
Por el equipo editorial de MedImaging en español
Actualizado el 23 Jul 2019
Una plataforma neutral para el proveedor, innovadora, basada en algoritmos de aprendizaje profundo elimina el ruido de las TC de forma selectiva, utilizando solo el estándar DICOM.Actualizado el 23 Jul 2019
La solución de reducción de ruido ClariCT.AI de ClariPI (Seúl, Corea) presenta una unidad de procesamiento de gráficos (UPG) basada en inteligencia artificial (IA) única, llamada Recon Engine, que elimina selectivamente el ruido a la vez que conserva las características de las estructuras y las lesiones anatómicas, todas sin distorsión y pérdida. Compatible con todos los dispositivos de TC en el mercado, ClariCT.AI también reconstruye las imágenes de alta calidad a altas velocidades, ya que no necesita utilizar procesos de reconstrucción iterativos (RI) existentes.
ClariCT.AI también ayuda a reducir la dosis de radiación a la que están expuestos los pacientes hasta en una veinteava parte en comparación con la TC convencional, permitiendo exploraciones con dosis ultra bajas. El software puede diferenciar las estructuras anatómicas de miles de patrones de ruido diferentes y reconstruir imágenes limpias de alta calidad sin repeticiones de RI que consumen mucho tiempo. Los detalles de las lesiones y las estructuras anatómicas en exploraciones en dosis ultrabajas, tan bajas como 5 mAs, se pueden diferenciar claramente de los ruidos fuertes y artefactos, sin distorsión.
“Con un entrenamiento de más de un millón de imágenes de pacientes que contienen diversos grados de ruido para diferentes partes del cuerpo, Clarity Engine separa el ruido de la imagen de manera selectiva al tiempo que mejora las estructuras subyacentes, brindando imágenes restauradas con claridad”, dijo la compañía en un comunicado de prensa. “ClariPi cree que las imágenes restauradas con claridad tienen el potencial de mejorar la confianza en la lectura de los radiólogos, así como de permitir un análisis exacto mediante soluciones asistidas por computadora para diversas aplicaciones de imágenes, especialmente para las TC de cribado para el cáncer de pulmón de baja dosis”.
El aprendizaje profundo es parte de una familia más amplia de métodos de aprendizaje automático de IA, basados en el aprendizaje de representaciones de datos, a diferencia de los algoritmos específicos de tareas. Implica algoritmos de redes neuronales artificiales (RNA) que utilizan 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:
ClariPI