Aprendizaje Profundo para resonancias más rápidas en máquinas de Bajo Campo

La industria médica actual está generando grandes cantidades de datos. Ser capaz de analizar estos datos de forma rápida y precisa puede contribuir a mejorar los resultados de los pacientes de varias maneras. Dentro de la Inteligencia Artificial (IA), los algoritmos de Aprendizaje Profundo (DL) se están aplicando en áreas como el análisis de imágenes.

La investigación de resonancia magnética de campo bajo (LF) actualmente gana impulso debido a su bajo coste de instalación y mantenimiento, lo que se traduce en poder poner la resonancia magnética al alcance de gran parte de la población mundial. El gran problema en los sistemas de bajo campo es el aumento del tiempo de captación y procesamiento de las imágenes. El submuestreo es una forma efectiva de acelerar estas adquisiciones de imagen, y cuando se combina con el Aprendizaje Profundo (DL) ofrece resultados alentadores. El entrenamiento de modelos DL requiere unas grandes bases de datos. En este artículo de nature.com se habla de ello y se exponen las ventajas de perfeccionar los sistemas de resonancia de bajo campo no criogenizados por su menor coste.

En Instituto Madrileño de Traumatología hemos instalado una de estas modernas máquinas de bajo campo, puedes verla en resonanciaabierta.com