Enfoque Radiologico: La tecnología CT estándar produce imágenes espectrales con algoritmos de aprendizaje profundo Los investigadores de Rensselaer, First-Imaging y GE Global desarrollan una red neuronal profunda para funcionar casi tan bien como la tecnología de imágenes de TC de energía dual más compleja Las tecnologías de bioimagen son los ojos que permiten a los médicos ver el interior del cuerpo para diagnosticar, tratar y controlar enfermedades. Ge Wang, profesor de ingeniería biomédica en el Instituto Politécnico Rensselaer, ha recibido un reconocimiento significativo por dedicar su investigación a combinar esas tecnologías de imágenes con inteligencia artificial para mejorar la "visión" de los médicos. En una investigación publicada en Patterns, un equipo de ingenieros dirigido por Wang demostró cómo se puede aplicar un algoritmo de aprendizaje profundo a una tomografía computarizada (TC) convencional para producir imágenes que normalmente requerirían un nivel más alto de tecnología de imágenes conocida como dual- energía CT. Wenxiang Cong, científico investigador de Rensselaer, es el primer autor de este artículo. Wang y Cong también estuvieron acompañados por coautores de Shanghai First-Imaging Tech e investigadores de GE Research. "Esperamos que esta técnica ayude a extraer más información de una tomografía computarizada de rayos X de espectro único regular, hacerlo más cuantitativo y mejorar el diagnóstico", dijo Wang, quien también es el director del Centro de Imágenes Biomédicas dentro del Centro de Biotecnología y estudios interdisciplinarios (CBIS) en Rensselaer. Las tomografías computarizadas convencionales producen imágenes que muestran la forma de los tejidos dentro del cuerpo, pero no brindan a los médicos información suficiente sobre la composición de esos tejidos. Incluso con yodo y otros agentes de contraste, que se utilizan para ayudar a los médicos a diferenciar entre tejidos blandos y vasculatura, es difícil distinguir entre estructuras sutiles. Una tecnología de nivel superior llamada TC de energía dual reúne dos conjuntos de datos para producir imágenes que revelan tanto la forma del tejido como información sobre su composición. Sin embargo, este método de obtención de imágenes a menudo requiere una mayor dosis de radiación y es más caro debido a la necesidad de hardware adicional. "Con la TC tradicional, se toma una imagen en escala de grises, pero con la TC de energía dual se toma una imagen con dos colores", dijo Wang. "Con el aprendizaje profundo, intentamos utilizar la máquina estándar para realizar el trabajo de la obtención de imágenes por TC de energía dual". En esta investigación, Wang y su equipo demostraron cómo su red neuronal era capaz de producir esas imágenes más complejas utilizando datos de TC de espectro único. Los investigadores utilizaron imágenes producidas por TC de energía dual para entrenar su modelo y encontraron que era capaz de producir aproximaciones de alta calidad con un error relativo de menos del 2%. "La experiencia del profesor Wang y su equipo en bioimagen está dando a los médicos y cirujanos 'nuevos ojos' para diagnosticar y tratar enfermedades", dijo Deepak Vashishth, director de CBIS. "Este esfuerzo de investigación es un excelente ejemplo de la asociación necesaria para personalizar y resolver los desafíos persistentes de la salud humana". Para más información: www.rpi.edu Fuente: ITN