Cr\u00e9dito: Asociaci\u00f3n RUVID <\/p>\n
Un equipo de investigaci\u00f3n de la Universidad Polit\u00e9cnica de Valencia (UPV), del CVBLab, ha desarrollado un modelo predictivo de inteligencia artificial eso puede diferenciar entre pacientes sanos, aquellos que est\u00e1n enfermos con neumon\u00eda y aquellos que tienen COVID-19, a partir de radiograf\u00edas de t\u00f3rax. <\/p>\n
Seg\u00fan Valery Naranjo, profesora de la UPV y directora del CVBLab, el modelo propuesto ha demostrado tener una gran capacidad discriminatoria en los primeros experimentos, alcanzando una tasa media de \u00e9xito del 92% a la hora de diferenciar entre los distintos tipos de pacientes. \u201cEl algoritmo se comporta a\u00fan mejor a la hora de predecir casos de coronavirus; su tasa de acierto es ligeramente superior a la de los otros casos: tiene un 97% de acierto a la hora de determinar si una radiograf\u00eda es de un paciente con COVID\u201d, apunta Valery Naranjo. <\/p>\n
El grupo de investigaci\u00f3n CVBLab de la UPV cuenta con una dilatada experiencia en el campo de la inteligencia artificial y su especialidad es el desarrollo de algoritmos de visi\u00f3n artificial aplicados a im\u00e1genes biom\u00e9dicas. \u201cPor eso hemos puesto nuestro conocimiento al servicio de la lucha contra esta pandemia\u201d, concluye Julio Silva, ingeniero biom\u00e9dico y tambi\u00e9n miembro del CVBLab de la UPV.<\/p>\n
Para desarrollar el modelo de predicci\u00f3n, Los ingenieros de CVBLab han aplicado t\u00e9cnicas de clasificaci\u00f3n y segmentaci\u00f3n basadas en algoritmos de aprendizaje profundo sobre un gran n\u00famero de im\u00e1genes de rayos X. En este sentido, Valery Naranjo explica que hay muchas m\u00e1s radiograf\u00edas de personas sanas y de pacientes con otras neumon\u00edas que con COVID-19, \u201cpor lo reciente que es y porque muchas bases de datos no son de c\u00f3digo abierto, lo que representa una dificultad a\u00f1adida\u201d. El modelo que hemos desarrollado resuelve este desequilibrio clasepaciente y permite ofrecer resultados fiables y robustos.\u201d<\/p>\n
El grupo CVBLab ya dispone de una versi\u00f3n inicial de la plataforma inform\u00e1tica que integra el modelo de predicci\u00f3n, por lo que es posible para cargar una radiograf\u00eda de t\u00f3rax y predecir al instante si se trata de una imagen de una persona sana, un paciente con neumon\u00eda o con coronavirus.<\/p>\n
Dise\u00f1o innovador<\/p>\n
El modelo de inteligencia artificial del CVBLab-UPV muestra novedades clave en el dise\u00f1o de la arquitectura de redes neuronales. En concreto, se basa en t\u00e9cnicas de transferencia de conocimiento combinadas con otros bloques convolucionales residuales que act\u00faan en paralelo para extraer caracter\u00edsticas de las radiograf\u00edas de t\u00f3rax.<\/p>\n
\u201cEste nuevo dise\u00f1o, adaptado al tipo de imagen que se estudia, ha permitido obtener resultados iniciales de sensibilidad y especificidad del 97%\u201d, a\u00f1ade Gabriel Garc\u00eda, ingeniero biom\u00e9dico e investigador del CVLab de la UPV.<\/p>\n
Sistema CBIR<\/p>\n
Al mismo tiempo tiempo, los investigadores est\u00e1n desarrollando un nuevo sistema de recuperaci\u00f3n de im\u00e1genes basado en contenido (CBIR) basado en redes neuronales generativas. La idea de este sistema es que, al recibir una nueva imagen de rayos X, adem\u00e1s de obtener una predicci\u00f3n sobre el diagn\u00f3stico, se proporcionen los casos anteriores m\u00e1s similares de una gran base de datos en constante crecimiento. \u201cLas zonas pulmonares afectadas de los archivos de los casos m\u00e1s similares se muestran con un mapa de calor muy intuitivo para el personal experto que lo utiliza. As\u00ed, el m\u00e9dico dispone de m\u00e1s datos para tomar una decisi\u00f3n. Es como cuando buscan algo en un atlas, pero autom\u00e1ticamente\u201d, explica Adrin Colomer, doctor en telecomunicaciones e investigador del CVBLab de la UPV.<\/p>\n
Para crear sus modelos, los investigadores del CVBLab de la UPV han recopilado bases de datos p\u00fablicas de diferentes instituciones , y los han normalizado en un marco com\u00fan, lo que permite entrenar y probar sus modelos.<\/p>\n
Entre las bases de datos recopiladas se encuentra la proporcionada en la plataforma de c\u00f3digo abierto BIMCV-COVID-19 coordinada por FISABIO, uno de la Universidad de Montreal, otro de la Societ Italiana di Radiologa Medica e Interventistica y uno proporcionado por Kaggle en su desaf\u00edo \u00abIm\u00e1genes de rayos X de t\u00f3rax (neumon\u00eda)\u00bb. <\/p>\n
Explorar m\u00e1s<\/p>\n
Modelo de inteligencia artificial puede detectar COVID-19 en TAC de t\u00f3rax Proporcionado por Asociaci\u00f3n RUVID Cita<\/strong>: Investigadores desarrollan un nuevo sistema que puede distinguir neumon\u00eda de COVID-10 en t\u00f3rax X- rayos (5 de mayo de 2020) consultado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-distinguir-pneumonia-covid-chest-x-rays.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Asociaci\u00f3n RUVID Un equipo de investigaci\u00f3n de la Universidad Polit\u00e9cnica de Valencia (UPV), del CVBLab, ha desarrollado un modelo predictivo de inteligencia artificial eso puede diferenciar entre pacientes sanos, aquellos que est\u00e1n enfermos con neumon\u00eda y aquellos que tienen COVID-19, a partir de radiograf\u00edas de t\u00f3rax. Seg\u00fan Valery Naranjo, profesora de la UPV y … Continuar leyendo \u00abInvestigadores desarrollan un nuevo sistema que puede distinguir neumon\u00eda de la COVID-10 en radiograf\u00edas de t\u00f3rax\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-27852","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/27852","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=27852"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/27852\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=27852"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=27852"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=27852"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}