Arquitectura de MAC-Net. Cr\u00e9dito: SIBET <\/p>\n
Un grupo de cient\u00edficos del Instituto de Ingenier\u00eda Biom\u00e9dica y Tecnolog\u00eda de Suzhou (SIBET) de la Academia de Ciencias de China propuso un nuevo m\u00e9todo con atenci\u00f3n basada en modalidad y contextual (MAC)-Net para ayudar mejor a la diferenciaci\u00f3n preoperatoria entre tumores epiteliales de ovario borderline (BEOT) y tumores epiteliales de ovario malignos (MEOT), dos tumores ginecol\u00f3gicos diferentes. <\/p>\n
El uso innovador de MAC-Net, una red neuronal convolucional de m\u00faltiples instancias (MICNN) con atenci\u00f3n basada en la modalidad (MA) y capa de agrupaci\u00f3n MIL contextual (C-MPL), puede superar las deficiencias de la inteligencia m\u00e9dica multimodal existente basada en im\u00e1genes. m\u00e9todos de diagn\u00f3stico. <\/p>\n
El m\u00f3dulo MA puede aprender de los patrones de toma de decisiones de los m\u00e9dicos para percibir autom\u00e1ticamente la importancia de diferentes modalidades de resonancia magn\u00e9tica y lograr la fusi\u00f3n de caracter\u00edsticas de resonancia magn\u00e9tica multimodal en funci\u00f3n de su importancia, seg\u00fan el Dr. Jian Junming, uno de los cient\u00edficos l\u00edderes de la investigaci\u00f3n en SIBET. <\/p>\n
El m\u00f3dulo C-MPL utiliza un s\u00f3lido conocimiento previo de la distribuci\u00f3n del tumor como referencia importante y eval\u00faa la informaci\u00f3n contextual entre im\u00e1genes adyacentes, logrando as\u00ed una predicci\u00f3n m\u00e1s precisa. <\/p>\n
\u00abEl rendimiento de MAC-Net es superior, con un \u00e1rea bajo la curva caracter\u00edstica operativa del receptor de 0,878, superando la de varios enfoques MICNN conocidos\u00bb, dijo Gao Xin, quien dirigi\u00f3 el equipo de investigaci\u00f3n. <\/p>\n
Los MEOT son las neoplasias malignas ginecol\u00f3gicas m\u00e1s letales y representan el 90 % de los casos de c\u00e1ncer de ovario. Por el contrario, los BEOT tienen un potencial maligno bajo y no tienen invasi\u00f3n del estroma. Los BEOT tienden a tener mejores pron\u00f3sticos que los MEOT con una tasa de supervivencia a los 5 a\u00f1os del 92 % frente al 35 % de estos \u00faltimos. <\/p>\n
Los pacientes con BEOT pueden someterse a un tratamiento conservador para preservar la fertilidad y la funci\u00f3n ov\u00e1rica, mientras que los pacientes con MEOT requieren una estadificaci\u00f3n quir\u00fargica completa y quimioterapia adyuvante posterior. <\/p>\n
Por lo tanto, la diferenciaci\u00f3n preoperatoria precisa entre BEOT y MEOT es crucial para determinar las estrategias de tratamiento adecuadas y mejorar la calidad de vida posoperatoria. <\/p>\n
En la actualidad, la diferenciaci\u00f3n preoperatoria entre BEOT y MEOT la determinan principalmente los radi\u00f3logos mediante im\u00e1genes de resonancia magn\u00e9tica multiparam\u00e9trica. <\/p>\n
\u00abEste m\u00e9todo depende en gran medida de la experiencia, es subjetivo, requiere mucho tiempo y tiene una precisi\u00f3n relativamente baja que oscila entre el 74 % y el 89 %\u00bb, dijo Jian. <\/p>\n
Con este m\u00e9todo, se puede lograr un diagn\u00f3stico autom\u00e1tico sin el l\u00edmite preciso del tumor, pero solo con la determinaci\u00f3n de la posici\u00f3n superior e inferior del tumor, haci\u00e9ndolo as\u00ed m\u00e1s inteligente. <\/p>\n
MAC-Net exhibe una gran adaptabilidad a la imagen y a las enfermedades. MAC-Net no solo se puede utilizar para la fusi\u00f3n de MRI multiparam\u00e9trica, sino que tambi\u00e9n se puede extender a la fusi\u00f3n de im\u00e1genes multimodales (como CT, PET, etc.). No solo es adecuado para el c\u00e1ncer de ovario, sino que tambi\u00e9n se puede utilizar en el diagn\u00f3stico autom\u00e1tico de tumores s\u00f3lidos como el c\u00e1ncer de pulm\u00f3n, c\u00e1ncer de h\u00edgado, c\u00e1ncer de intestino, c\u00e1ncer de mama y c\u00e1ncer de pr\u00f3stata. <\/p>\n
Esta investigaci\u00f3n fue financiada por la Fundaci\u00f3n Nacional de Ciencias Naturales de China y otras instituciones, los resultados relacionados se publicaron en Inteligencia Artificial en Medicina. <\/p>\n
Explore m\u00e1s<\/p>\n
Una nueva red mejora la precisi\u00f3n de la predicci\u00f3n de met\u00e1stasis en los ganglios linf\u00e1ticos en pacientes con adenocarcinoma de pulm\u00f3n T1 M\u00e1s informaci\u00f3n:<\/strong> Junming Jian et al, Red neuronal convolucional de m\u00faltiples instancias con atenci\u00f3n basada en la modalidad y capa de agrupaci\u00f3n de aprendizaje contextual de m\u00faltiples instancias para la diferenciaci\u00f3n efectiva entre tumores de ovario epiteliales malignos y borderline, Inteligencia artificial en medicina (2021). DOI: 10.1016\/j.artmed.2021.102194 Proporcionado por la Academia de Ciencias de China Cita<\/strong>: Nuevo tipo de red neuronal de instancias m\u00faltiples para diagnosticar mejor el c\u00e1ncer de ovario (2021, 9 de noviembre) recuperado el 29 de agosto de 2022 de https: \/\/medicalxpress.com\/news\/2021-11-multi-instance-neural-network-ovarian-cancer.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":" Arquitectura de MAC-Net. Cr\u00e9dito: SIBET Un grupo de cient\u00edficos del Instituto de Ingenier\u00eda Biom\u00e9dica y Tecnolog\u00eda de Suzhou (SIBET) de la Academia de Ciencias de China propuso un nuevo m\u00e9todo con atenci\u00f3n basada en modalidad y contextual (MAC)-Net para ayudar mejor a la diferenciaci\u00f3n preoperatoria entre tumores epiteliales de ovario borderline (BEOT) y tumores epiteliales … Continuar leyendo \u00abNuevo tipo de red neuronal de instancias m\u00faltiples para diagnosticar mejor el c\u00e1ncer de ovario\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-2928","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2928","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=2928"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2928\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=2928"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=2928"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=2928"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}