Nuevo sistema para analizar tomografías computarizadas torácicas con aprendizaje profundo permite la detección de lesiones por COVID-19
Crédito: CC0 Public Domain
Un nuevo sistema automatizado que involucra tecnología de aprendizaje profundo permite la detección de lesiones por COVID-19 a través del análisis de un tomografía (TC) de exploración. Este sistema, descrito en un estudio publicado en la revista Computers in Biology and Medicine, ha sido realizado por investigadores de la UB, el Centro Tecnológico EURECAT de Cataluña y el Computing Vision Center (CVC).
El estudio «nos ha permitido comprobar la eficacia del sistema como herramienta de apoyo a la toma de decisiones de los profesionales sanitarios en su tarea de detección de la COVID-19, y para medir la gravedad, la extensión y la evolución de la neumonía provocada». por el SARS-CoV-2, a medio y largo plazo”, apunta el investigador principal del estudio, Giuseppe Pezzano, investigador de la UB y de la Unidad de Salud Digital EURECAT.
En concreto, el funcionamiento del El sistema consiste en «una primera fase de segmentación pulmonar con la tomografía computarizada para reducir el área de búsqueda», dice Pezzano. “Luego, se utiliza un algoritmo para analizar el área pulmonar y detectar la presencia de COVID-19. Si da positivo, se procesa la imagen para identificar las áreas que están afectadas por la enfermedad”, agrega.
El algoritmo ha sido probado en 79 volúmenes y 110 cortes de TC que habían detectado infección por COVID-19, obtenidos en tres repositorios de imágenes de acceso abierto. Los investigadores lograron una precisión promedio para la segmentación de lesiones causadas por el virus de alrededor del 99%, sin que se observaran falsos positivos durante la identificación.
El método utiliza una forma innovadora de calcular la máscara de segmentación de médicos imágenes, lo que proporcionó buenos resultados en la segmentación de nódulos en las imágenes de tomografía.
Algunos estudios publicados recientemente «muestran que los algoritmos de aprendizaje profundo y visión computacional han logrado una mayor precisión que la detección de cáncer de los expertos en mamografías, predicción de ictus y infartos», apunta Petia Radeva, profesora del Departamento de Matemáticas e Informática de la UB. No podíamos quedarnos atrás y por ello hemos trabajado en esta tecnología para ayudar a los médicos a luchar contra el COVID-19 ofreciéndoles datos de alta precisión para el análisis de imágenes médicas de forma objetiva, transparente y robusta”, añade el experto, también director del Grupo de Investigación Consolidado Visión por Computador y Aprendizaje Automático de la UB e investigador principal del Centro de Visión por Computador.
“Este tipo de sistemas automatizados representan una herramienta importante para los profesionales de la salud con el fin de hacer más robustos y precisos diagnósticos, ya que puede aportar información que un ser humano no podría medir”, destaca Oliver Díaz, profesor del Departamento de Matemáticas e Informática de la UB.
Según Vicent Ribas, responsable de la línea de investigación en Medicine Data Analytics en la Unidad de Salud Digital de EURECAT, “La precisión de esta herramienta, demostrada por los resultados del estudio, abre las puertas a su uso para otras aplicaciones de salud, un campo en el que el uso de la Inteligencia Artificial es b Cada vez es más útil».
Explore más
La inteligencia artificial puede acelerar la detección de accidentes cerebrovasculares Más información: Giuseppe Pezzano et al, CoLe-CNN+: Aprendizaje contextual: red neuronal convolucional para COVID -Detección y segmentación de 19-Ground-Glass-Opacities, Informática en Biología y Medicina (2021). DOI: 10.1016/j.compbiomed.2021.104689 Proporcionado por la Universidad de Barcelona Cita: Nuevo sistema para analizar tomografías computarizadas torácicas con aprendizaje profundo permite la detección de lesiones COVID-19 (2021, 1 de diciembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-thoracic-ct-scans-deep-enables.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.