Search research articles

Videos de Conceptos Relacionados

Issues And Trends In Healthcare Delivery System

Issues And Trends In Healthcare Delivery System

The issues and trends in healthcare delivery are constantly changing. The COVID-19 pandemic is one recent issue that wreaked havoc on healthcare systems, causing a shortage of healthcare workers, high demand for medicines and supplies, and increased medical expenditure due to a lack of insurance. Other issues include rising healthcare costs and care fragmentation.
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...

Radiological Investigation II: MRI and Ventilation Perfusion Scan

Radiological Investigation II: MRI and Ventilation Perfusion Scan

Description
Magnetic Resonance Imaging (MRI) and Ventilation Perfusion Scans are two radiological investigations that offer detailed diagnostic images of the body, particularly lung structures.
MRI
MRI uses magnetic fields and radiofrequency signals to distinguish between normal and abnormal tissues. This technology provides a more detailed diagnostic image than CT scans, enabling it to characterize pulmonary nodules, stage bronchogenic carcinoma, and evaluate inflammatory activity in...

Radiological Investigation I: X-ray and CT

Radiological Investigation I: X-ray and CT

Radiological investigations, including X-rays and computed tomography (CT) scans, are critical for diagnosing and evaluating various medical conditions. These imaging techniques provide valuable insights into the body's internal structures, aiding in the detection of abnormalities, assessment of disease progression, and development of treatment strategies. This article delves into two primary radiological investigations, chest X-rays and CT scans, outlining their purpose, procedures, and...

Ultrasonography

Ultrasonography

Ultrasonography is an imaging technique that uses high-frequency sound waves to visualize the body's internal structures. It is a non-invasive and safe procedure that does not involve the use of ionizing radiation, making it widely used in various medical fields. Ultrasonography is used to study heart function, blood flow in the neck or extremities, certain conditions such as gallbladder disease, and fetal growth and development.
During an ultrasonography procedure, a handheld device called...

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Home
Aprendizaje Activo Del Médico En El Bucle En Radiología Flujos De Trabajo De Inteligencia Artificial: Oportunidades, Desafíos Y Direcciones Futuras

Home
Aprendizaje Activo Del Médico En El Bucle En Radiología Flujos De Trabajo De Inteligencia Artificial: Oportunidades, Desafíos Y Direcciones Futuras

Video Experimental Relacionado

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

Aprendizaje activo del médico en el bucle en radiología Flujos de trabajo de inteligencia artificial: oportunidades,

Monica Luo^1,2, Fereshteh Yousefirizi², Pouria Rouzrokh³

¹Faculty of Medicine, University of British Columbia, Vancouver, BC, Canada.

AJR. American journal of roentgenology

|August 20, 2025

Ver abstracta en PubMed

Resumen

Este resumen es generado por máquina.

Palabras clave:

Aprendizaje activo Inteligencia artificial Flujo de trabajo clínico Médico en el Anillo Radiología

Más Videos Relacionados

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

Videos de Experimentos Relacionados

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

Published on: July 11, 2025

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

El aprendizaje activo reduce la necesidad de extensos datos etiquetados por expertos en inteligencia artificial (IA) para la radiología. Este enfoque mejora el rendimiento del modelo de IA y la colaboración del médico al identificar los datos más informativos para la anotación.

Área de la Ciencia:

Radiología
Inteligencia artificial
Aprendizaje automático

Sus antecedentes:

Las aplicaciones de inteligencia artificial (IA) en radiología se están expandiendo, incluyendo la reconstrucción de imágenes, la segmentación, la clasificación y la optimización del flujo de trabajo.
El entrenamiento de modelos precisos de IA requiere grandes conjuntos de datos etiquetados por expertos, que son costosos y requieren mucho tiempo para adquirir.
El aprendizaje activo presenta una solución para mitigar los requisitos de etiquetado en escenarios con datos limitados.

Objetivo del estudio:

Explorar la aplicación del aprendizaje activo en la IA de radiología.
Resaltar el papel del aprendizaje activo en la reducción de las necesidades de recursos para la formación de modelos de IA de radiología.
Mejorar la interacción y colaboración médico-IA dentro de los flujos de trabajo de radiología.

Principales métodos:

Revisión de la literatura sobre estrategias de aprendizaje activo en el contexto de la IA radiológica.
Discusión de los conceptos de aprendizaje activo y su aplicación a las tareas de radiología.
Presentación de casos de uso y ejemplos basados en la literatura.

Principales resultados:

El aprendizaje activo identifica los datos más informativos para la anotación humana, reduciendo la carga general de etiquetado.
Esta anotación dirigida mejora el rendimiento del modelo de IA, especialmente con conjuntos de datos restringidos.
El aprendizaje activo facilita el desarrollo de sistemas de IA de médicos en el bucle.

Conclusiones:

El aprendizaje activo es una estrategia valiosa para el desarrollo eficiente de IA en radiología.
La integración del aprendizaje activo puede optimizar la asignación de recursos y mejorar la colaboración médico-IA.
Se recomienda una mayor investigación e implementación para abordar los desafíos y capitalizar las oportunidades.