Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Magnetic Resonance Imaging01:24

Magnetic Resonance Imaging

6.8K
Magnetic resonance imaging (MRI) is a noninvasive medical imaging technique based on a phenomenon of nuclear physics discovered in the 1930s, in which matter exposed to magnetic fields and radio waves was found to emit radio signals. In 1970, a physician and researcher named Raymond Damadian noticed that malignant (cancerous) tissue gave off different signals than normal body tissue. He applied for a patent for the first MRI scanning device in clinical use by the early 1980s. The early MRI...
6.8K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

LET "Automated iliac artery tortuosity measurement: correlation does not equal agreement".

European journal of radiology·2026
Same author

Ten-year Longitudinal Relationship between Spinal Degenerative Lesions in Axial Spondyloarthritis at MRI and Radiography in the DESIR Cohort.

Radiology·2026
Same author

Combining artificial intelligence analysis with expert mammogram reading: Determining the optimal AI positivity cut-off point for the French population-based breast cancer screening program.

Cancer epidemiology·2026
Same author

Letter to the Editor: Artificial intelligence for prostate MRI screening-methodological considerations regarding reference standards and reader design.

European radiology·2026
Same author

Letter to the Editor: Does semi-supervised learning truly reduce annotation burden in heterogeneous real-world MRI networks?

European radiology·2026
Same author

Alert Burden and Multivendor Interactions: Missing Dimensions in Radiology Artificial Intelligence Predeployment Evaluation.

AJR. American journal of roentgenology·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.9K

Mejorar la detección de lesiones de médula ósea por resonancia magnética de rodilla con inteligencia artificial: un

Kevin Maarek1, Philippine Cordelle2, Tom Vesoul2

  • 1Université de Paris, 85, boulevard Saint-Germain, 75006 Paris, France.

Research in diagnostic and interventional imaging
|August 21, 2025
PubMed
Resumen

La inteligencia artificial (IA) mejora significativamente la detección del edema de la médula ósea de la rodilla en las exploraciones de resonancia magnética, aumentando la precisión y reduciendo el tiempo de lectura para los radiólogos. Este enfoque asistido por IA mejora las capacidades de diagnóstico para afecciones como la osteoartritis.

Palabras clave:
Inteligencia artificialEdema de la médula óseaOsteoartritis y otras enfermedadesRadiologíaEstudio retrospectivo

Más Videos Relacionados

In Vivo Evaluation of Fracture Callus Development During Bone Healing in Mice Using an MRI-compatible Osteosynthesis Device for the Mouse Femur
07:33

In Vivo Evaluation of Fracture Callus Development During Bone Healing in Mice Using an MRI-compatible Osteosynthesis Device for the Mouse Femur

Published on: November 14, 2017

9.6K
Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
12:50

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Published on: April 14, 2014

40.3K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.9K
In Vivo Evaluation of Fracture Callus Development During Bone Healing in Mice Using an MRI-compatible Osteosynthesis Device for the Mouse Femur
07:33

In Vivo Evaluation of Fracture Callus Development During Bone Healing in Mice Using an MRI-compatible Osteosynthesis Device for the Mouse Femur

Published on: November 14, 2017

9.6K
Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly
12:50

Lesion Explorer: A Video-guided, Standardized Protocol for Accurate and Reliable MRI-derived Volumetrics in Alzheimer's Disease and Normal Elderly

Published on: April 14, 2014

40.3K

Área de la Ciencia:

  • Radiología
  • Imágenes médicas
  • Inteligencia artificial

Sus antecedentes:

  • La resonancia magnética (IRM) es crucial para detectar el edema de la médula ósea de la rodilla, un indicador clave en la osteoartritis y la lesión.
  • La detección precisa del edema de la médula ósea depende en gran medida de la experiencia del radiólogo y puede llevar mucho tiempo.
  • La eficiencia de la segmentación para el edema de la médula ósea en la resonancia magnética de rodilla presenta un desafío significativo.

Objetivo del estudio:

  • Evaluar el impacto de la inteligencia artificial (IA) en la mejora de la precisión diagnóstica de los radiólogos generales para el edema de la médula ósea de la rodilla.
  • Evaluar el rendimiento y la eficiencia de un algoritmo de IA en la segmentación del edema de la médula ósea.
  • Para validar externamente una solución de IA para la detección de edema de médula ósea en la resonancia magnética de rodilla.

Principales métodos:

  • Un estudio retrospectivo multicéntrico, multireader y multicaso utilizando un conjunto de datos externos de 198 exámenes de resonancia magnética de rodilla.
  • Se utilizó un algoritmo de IA (Keros) con tres modelos 3D-UNet para la segmentación del edema de la médula ósea en secuencias específicas de resonancia magnética.
  • La verdad fundamental fue establecida por radiólogos musculoesqueléticos expertos; el rendimiento se comparó con y sin la asistencia de la IA.

Principales resultados:

  • La IA aumentó significativamente la sensibilidad para la detección de edema de médula ósea del 79,3% al 85,4% (p=0).
  • La especificidad también mejoró significativamente con la IA, pasando del 88,9% al 93,9% (p=0).
  • La asistencia de IA redujo los tiempos de lectura en un 42%, con un ahorro promedio de 0,66 minutos por examen (p = 3,81e-41).

Conclusiones:

  • La IA mejora significativamente tanto la sensibilidad como la especificidad para la detección de edema de médula ósea por parte de los radiólogos generales.
  • La lectura asistida por IA acorta sustancialmente el tiempo requerido para la interpretación de la resonancia magnética de la rodilla.
  • La IA es prometedora para mejorar el monitoreo longitudinal de pacientes con osteoartritis de rodilla.