Científicos rusos han descubierto una nueva forma de usar redes neuronales en medicina.
Según los investigadores de la Universidad de Samara, el uso de esta tecnología aumentará la precisión de la resonancia magnética (RM). Los resultados de la investigación están publicados en la revista Journal of Computer Optics.
En sus palabras, gracias a esta tecnología, será posible detectar interferencias causadas por los movimientos del paciente durante el examen de RM en tiempo real. Actualmente, la medición se ve dificultada por los movimientos arbitrarios del paciente en el aparato, los cuales deben calcularse manualmente durante el procesamiento posterior de los datos.
Los errores artificiales, también conocidos como artefactos de la RM, a menudo dificultan la interpretación de la tomografía. Estos artefactos son causados por los movimientos de la cabeza del paciente durante el examen. Estas interferencias pueden dar lugar a la interrupción prematura del escaneo debido a la imprecisión de los resultados.
«En la tecnología actual, los artefactos de movimiento se filtran en la etapa de procesamiento de datos de la RM al establecer el volumen del cerebro en la primera o media serie, utilizando una transformación de cuerpo rígido. Esto implica tres parámetros de desplazamiento y tres parámetros de rotación para cada volumen de la serie temporal de la RM», explica Nikita Davídov, profesor titular del Departamento de Cibernética Técnica y empleado del Instituto de Inteligencia Artificial de la Universidad de Samara.
De acuerdo con el experto, la Universidad está diseñando la tecnología de seguimiento de interferencias durante el examen de RM desde 2019 y esto ya ha finalizado y se ha realizado actualmente. En la Universidad de Samara, se entrenó a las redes neuronales a detectar artefactos escalonados de movimiento de la cabeza en los datos de la RM y se las adoptó a un conjunto de datos reales.
«Primero, el modelo de red neuronal se entrena con una gran cantidad de datos sintéticos generados con parámetros cercanos a los reales, luego con un pequeño número de datos reales de movimiento de la cabeza correspondientes a diferentes personas, y después el modelo ya trabaja con una pequeña parte de los datos reales correspondientes a un experimento concreto», señala Nikita Davídov.
Este método se conoce como «metaenseñanza con pocos datos» y ya se ha usado anteriormente en la tarea de reconstrucción de imágenes en el marco de investigaciones del Instituto de Inteligencia Artificial.
El siguiente objetivo del equipo de investigación es aumentar la precisión del modelo de red neuronal mediante la creación de un procedimiento de generación de datos sintéticos más cercano a los datos reales. La etapa siguiente de análisis será la capacidad de calcular tales características como coordenadas, alturas y duraciones de anomalías, lo que permitirá eliminar el número de falsas clasificaciones.
La Universidad de Samara participa en el programa estatal ruso de apoyo a las universidades «Prioridad 2030» en el marco del proyecto nacional «Ciencia y Universidades».