El aprendizaje profundo mejora la interpretación de los tumores
En el mapa de área de fracción de tumor, cada cuadrado es un vóxel. La técnica de aprendizaje profundo puede determinar qué parte de un área gris en cada vóxel es tumor o tejido normal (consulte la escala a la derecha desde 0, sin tumor hasta 1, todo tumor). La técnica está diseñada para calcular con precisión el volumen de tumores en imágenes PET con el objetivo de mejorar la atención al paciente. Crédito: Abhinav Jha, Universidad Estatal de Washington en St. Louis
Ingenieros financiados por NIBIB están utilizando el aprendizaje profundo para diferenciar tumores con mayor precisión del tejido normal en imágenes de tomografía por emisión de positrones (PET). El análisis estándar de las tomografías por emisión de positrones cuenta las regiones negras como tumor y las regiones blancas como normales. El equipo de la Universidad de Washington en St. Louis ha desarrollado una técnica utilizando análisis estadístico y aprendizaje profundo para determinar la extensión de los tumores en sus márgenes, donde las imágenes muestran varios tonos de gris.
Las imágenes PET consisten en lo que se conoce como vóxeles, que son píxeles tridimensionales en el espacio. Los métodos actuales cuentan estas regiones grises como tumorales o normales.
«La idea clave es que no solo aprendemos si un vóxel pertenece al tumor o no», dijo el líder del equipo, Abhinav Jha, Ph. D., profesor asistente de ingeniería biomédica en la Escuela de Ingeniería McKelvey Jha. «El vóxel puede ser en parte tumoral y en parte normal. La novedad es que podemos estimar qué parte del vóxel es tumor».
La investigación tiene como objetivo proporcionar información más precisa sobre el tumor para guiar las decisiones de tratamiento. y mejorar la atención al paciente.
«Es un problema de calidad de vida para los pacientes», dijo Jha. «Sería satisfactorio y gratificante ayudar a responder esas preguntas».
El trabajo se publica en la revista Physics in Medicine & Biology.
Explore más
La cámara de última generación puede localizar mejor los tumores Más información: Ziping Liu et al, Un enfoque bayesiano para la estimación de la fracción de tejido para la segmentación PET oncológica, Física en Medicina y Biología (2021). DOI: 10.1088/1361-6560/ac01f4 Información de la revista: Physics in Medicine and Biology
Proporcionado por los Institutos Nacionales de Salud Cita: El aprendizaje profundo mejora la interpretación de los tumores ( 2021, 19 de octubre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-deep-tumors.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.