Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Inteligencia artificial para ver mejor las imágenes de resonancia magnética

Investigadores de la Universidad de Málaga han diseñado un método capaz de mejorar las imágenes del cerebro obtenidas por resonancia magnética usando la inteligencia artificial. Los resultados permiten detectar patologías con mayor precisión y nitidez que hasta ahora.

El nuevo método permite mejorar las imágenes del cerebro obtenidas por resonancia magnética usando la inteligencia artificial. / UMA

Usando la inteligencia artificial, miembros del Grupo de Inteligencia Computacional y Análisis de Imágenes (ICAI) de la Universidad de Málaga (UMA) han diseñado un nuevo método que mejora las imágenes del cerebro obtenidas por resonancia magnética.

Se trata de un nuevo modelo que permite que las imágenes pasen de baja resolución a alta, sin distorsionar las estructuras cerebrales de los pacientes, utilizando una red neuronal artificial profunda (inspirada en el funcionamiento del cerebro humano) que ‘aprende’ este proceso.

Usando una red neuronal artificial, el método permite que las imágenes pasen de baja a alta resolución sin distorsionar las estructuras cerebrales de los pacientes 

“El aprendizaje profundo está basado en redes neuronales muy extensas, con lo que su capacidad para aprender lo es también, alcanzando la complejidad y abstracción de un cerebro”, explica el investigador Karl Thurnhofer, autor principal de este estudio, que señala que gracias a esta técnica se pueden realizar tareas de identificación por sí mismas, sin supervisión, de las que ni el ojo humano sería capaz. 

Un algoritmo propio

Este avance ha sido publicado por la revista Neurocomputing, que recoge como el algoritmo desarrollado en la UMA obtiene resultados de mayor precisión en menos tiempo, con claros beneficios para los pacientes.

“Hasta ahora la adquisición de imágenes cerebrales de calidad dependían del tiempo que el paciente estuviera inmovilizado en el escáner, con nuestro método el procesamiento de la imagen se hace posteriormente en el ordenador”, aclara Thurnhofer.

Según los expertos, los resultados permitirán a los especialistas identificar de forma más nítida y precisa patologías relacionadas con el cerebro como lesiones físicas, cánceres o trastornos del lenguaje, entre otras, ya que los detalles de las imágenes son más finos, evitando así tener que recurrir a pruebas complementarias ante diagnósticos dudosos.

Referencia bibliográfica:

Karl Thurnhofer-Hemsi, Ezequiel López-Rubio, Enrique Domínguez, Rafael Marcos Luque-Baena, Núria Roé-Vellvé, Deep learning-based super-resolution of 3D magnetic resonance images by regularly spaced shifting, Neurocomputing, 2019, ISSN 0925-2312. https://doi.org/10.1016/j.neucom.2019.05.107. 

El Grupo ICAI, que dirige el catedrático Ezequiel López, también autor de este trabajo, es un referente en neurocomputación, aprendizaje computacional e inteligencia artificial. Los profesores del Departamento de Lenguajes y Ciencias de la Computación Enrique Domínguez y Rafael Luque, así como la investigadora Núria Roé-Vellvé, también han participado en el estudio.        

Fuente:
SINC
Derechos: Creative Commons.
Artículos relacionados
Inteligencia artificial para ver mutaciones causantes de distintos tipos de cáncer

Científicos del centro IRB Barcelona han desarrollado un método computacional que, mediante algoritmos de aprendizaje automático, identifica mutaciones que causan cáncer según la clase de tumor. La herramienta se llama BoostDM, y actualmente trabaja con perfiles mutacionales de 28.000 genomas de 66 cánceres diferentes.

Cómo recolocar una orquesta para reducir el riesgo de covid-19

Trasladando el piano, el arpa y los instrumentos de percusión hacia el centro del escenario y llevando los clarinetes, trompetas y flautas a las orillas, más cerca de las rejillas por donde se renueva el aire, se puede reducir la concentración de aerosoles en los conciertos, junto a la siempre necesaria buena ventilación. Investigadores de la Universidad de Utah (EE UU) lo han comprobado con modelos computacionales.