Cr\u00e9dito: CC0 Public Domain <\/p>\n
Investigadores de Skoltech han desarrollado un prototipo temprano de un sistema de im\u00e1genes m\u00e9dicas que usa redes neuronales para analizar im\u00e1genes en el infrarrojo cercano de venas y proyectar un patr\u00f3n venoso en el cuerpo de un paciente, esto puede hacer que las extracciones de sangre sean mucho m\u00e1s f\u00e1ciles y menos molestas para los pacientes con dif\u00edcil acceso a las venas. El documento se public\u00f3 en las actas de la 16\u00aa Conferencia Internacional sobre Control, Automatizaci\u00f3n, Rob\u00f3tica y Visi\u00f3n (ICARCV). <\/p>\n
Seg\u00fan los datos citados en el documento, de aproximadamente 20 millones de an\u00e1lisis de sangre realizados en todo el mundo todos los d\u00edas, se estima que casi el 45 % implica alg\u00fan grado de incomodidad para el paciente cuyas venas son m\u00e1s dif\u00edciles de acceder debido a afecciones m\u00e9dicas como la diabetes. , una edad particularmente joven, o simplemente caracter\u00edsticas individuales del cuerpo. En estos casos, cuando las venas son apenas perceptibles y no palpables, incluso los profesionales m\u00e9dicos experimentados deben recurrir a ayudas t\u00e9cnicas o arriesgarse a m\u00faltiples o inexactas punciones, que incluso pueden tener consecuencias para la salud, especialmente para los adultos mayores.<\/p>\n
Dmitry Dylov, profesor asociado en el Centro de Ciencias e Ingenier\u00eda Computacional y de Datos Intensivos (CDISE) y jefe del Grupo de Im\u00e1genes Computacionales en Skoltech, y sus colegas decidieron ensamblar un esc\u00e1ner venoso infrarrojo cercano inteligente, que puede determinar los contornos de las venas en un brazo o una pierna con bastante precisi\u00f3n, de forma totalmente autom\u00e1tica e independiente (sin ninguna intervenci\u00f3n del usuario). Lo hicieron mediante el uso de redes neuronales artificiales y aprendizaje de refuerzo para analizar mejor las im\u00e1genes y proyectarlas como una ayuda visual en el cuerpo del paciente, ajust\u00e1ndose a su forma y posici\u00f3n.<\/p>\n
\u00abLos esc\u00e1neres de venas infrarrojas se han convertido en algo com\u00fan en la pr\u00e1ctica cl\u00ednica Sin embargo, este es el primero que hace todo completamente en virtud de la IA moderna: una red neuronal limpia y procesa la se\u00f1al infrarroja, la segunda detecta los contornos de las venas y la tercera se ‘preocupa’ continuamente por la alineaci\u00f3n. para asegurar que los contornos proyectados en el brazo de un paciente se superpongan con las venas reales. Sorprendentemente, todo lo que ten\u00edamos que hacer era decirle al sistema qu\u00e9 es bueno y qu\u00e9 es malo durante la etapa de entrenamiento, y las redes neuronales lograron aprender el resto por s\u00ed mismas. , encontrando autom\u00e1ticamente la configuraci\u00f3n \u00f3ptima para nuevos pacientes, entornos e incluso distorsiones, incluso si el sistema nunca las ha encontrado\u00bb, dice Dmitry Dylov.<\/p>\n
Vito Leli, Skoltech Ph.D. estudiante y autor principal del trabajo publicado, se\u00f1ala que hay muchos factores que dificultan la detecci\u00f3n de venas, incluso en el rango infrarrojo, donde el contraste de las venas es mejor. \u00abEntonces, el instrumento se plante\u00f3 para enfrentar principalmente los desaf\u00edos algor\u00edtmicos y de procesamiento de im\u00e1genes. Quer\u00edamos tener en cuenta la alta variabilidad del contraste de la vasculatura entre los pacientes (p. ej., debido al tono y grosor de la piel, etc.). Nuestro algoritmo final tambi\u00e9n es capaz de detectar vasculatura incluso para relaciones se\u00f1al-ruido (SNR) bajas, como se valid\u00f3 en una cohorte de pacientes\u00bb, agrega.<\/p>\n
El equipo ensambl\u00f3 un dispositivo prototipo y lo prob\u00f3 en experimentos con voluntarios, demostrando que pod\u00eda detectar el patr\u00f3n venoso en el espectro infrarrojo cercano y luego proyectarlo como una imagen en los brazos de las personas. \u00abLos antebrazos son partes del cuerpo que generalmente se usan para an\u00e1lisis de sangre, por lo que fue nuestra decisi\u00f3n natural desarrollar un sistema capaz de resolver el problema de visualizar las venas en esa \u00e1rea espec\u00edfica. Nada nos impide usarlo para obtener im\u00e1genes de la vasculatura en otras \u00e1reas necesarias para otras aplicaciones cl\u00ednicas\u00bb. , por ejemplo, para ayudar con la instalaci\u00f3n de un cat\u00e9ter. El dispositivo es bastante compacto y flexible para eso. Como primer paso en nuestra investigaci\u00f3n, recolectamos im\u00e1genes NIR del antebrazo de los voluntarios en Skoltech para entrenar nuestro dispositivo y tomar fotos de los antebrazos es m\u00e1s amigable con la privacidad que las tomas faciales\u00bb, dice Alexander Sarachakov, estudiante de maestr\u00eda y coautor del art\u00edculo.<\/p>\n
Un an\u00e1lisis de sangre realizado con este dispositivo se ver\u00eda as\u00ed: el paciente coloca su brazo debajo del dispositivo, que inmediatamente busca venas (en menos de un segundo) y las proyecta sobre el antebrazo. \u00abSi el paciente mueve el antebrazo, aunque no lo recomendamos durante un an\u00e1lisis de sangre con agujas, el sistema iniciar\u00e1 inmediatamente el procedimiento de realineaci\u00f3n\u00bb, explica Sarachakov.<\/p>\n
\u00abLa c\u00e1mara propuesta se puede escalar a otros partes del cuerpo en cl\u00ednicas (por ejemplo, vasos faciales y de piernas) y para atenci\u00f3n veterinaria para ayudar con venopunciones complejas en animales. Destacamos que aspiramos a construir una configuraci\u00f3n de hardware econ\u00f3mica, opuesta a las ofertas existentes en el mercado. Nuestras redes tambi\u00e9n son simplificados y flexibles para integrarlos en los controladores comerciales existentes\u00bb, concluyen los autores en el art\u00edculo.<\/p>\n
\u00abActualmente estamos trabajando en la selecci\u00f3n autom\u00e1tica de las mejores combinaciones de modelos de segmentaci\u00f3n y eliminaci\u00f3n de ruido para crear las im\u00e1genes m\u00e1s limpias y, por lo tanto, obtener un mejor reconocimiento de las venas. La pregunta que nos hacemos es con qu\u00e9 nivel de SNR podemos trabajar, de modo que comprobemos algunos l\u00edmites fundamentales de los algoritmos y tambi\u00e9n podamos trabajar con algunos en componentes de hardware caros. Hablando de eso, estamos a punto de comenzar a probar la segunda generaci\u00f3n de nuestro prototipo de hardware que nos acercar\u00e1 al lanzamiento del producto. Es fascinante trabajar en la frontera entre la ciencia fundamental y la realizaci\u00f3n inmediata de la ingenier\u00eda\u00bb, concluye Oleg Rogov, cient\u00edfico investigador y coautor del art\u00edculo. <\/p>\n
Explore m\u00e1s<\/p>\n
La tecnolog\u00eda de luz infrarroja cercana respalda los procedimientos de acceso a las venas M\u00e1s informaci\u00f3n:<\/strong> Vito M. Leli et al, Im\u00e1genes de venas del infrarrojo cercano al visible a trav\u00e9s de redes neuronales convolucionales y aprendizaje de refuerzo, 2020 16.\u00aa Conferencia internacional sobre control, automatizaci\u00f3n, rob\u00f3tica y visi\u00f3n (ICARCV) (2021) DOI: 10.1109\/ICARCV50220.2020.9305503 Proporcionado por el Instituto Skolkovo de Ciencia y Tecnolog\u00eda Cita<\/strong>: Los cient\u00edficos usan el aprendizaje autom\u00e1tico para ayudar a los m\u00e9dicos a encontrar venas para extraer sangre sin complicaciones (29 de marzo de 2021) consultado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-03-scientists-machine-doctors-veins-no-fuss.html Este documento est\u00e1 sujeto a derechos de autor. Adem\u00e1s de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, no parte puede ser reproducida sin autorizaci\u00f3n diez permisos. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Investigadores de Skoltech han desarrollado un prototipo temprano de un sistema de im\u00e1genes m\u00e9dicas que usa redes neuronales para analizar im\u00e1genes en el infrarrojo cercano de venas y proyectar un patr\u00f3n venoso en el cuerpo de un paciente, esto puede hacer que las extracciones de sangre sean mucho m\u00e1s f\u00e1ciles y … Continuar leyendo \u00abLos cient\u00edficos usan el aprendizaje autom\u00e1tico para ayudar a los m\u00e9dicos a encontrar venas para extraer sangre sin complicaciones\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-17028","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17028","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=17028"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17028\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=17028"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=17028"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=17028"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}