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

Imaging Studies IV: Magnetic Resonance Imaging01:27

Imaging Studies IV: Magnetic Resonance Imaging

52
Introduction:Magnetic Resonance Imaging, or MRI, can include a specialized imaging technique of the urinary system known as Magnetic Resonance Urography (MRU). This radiation-free technique uses strong magnetic fields and radio waves to produce detailed images with the help of a computer. MRU is particularly effective for visualizing fluid-filled structures like the kidneys, ureters, and bladder.Applications of MRI in the Genitourinary SystemKidneys and Ureters: MRI detects tumors, cysts,...
52
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

Multimodal laminar characterization of visual areas along the cortical hierarchy.

Imaging neuroscience (Cambridge, Mass.)·2026
Same author

The intrinsic cortical geometry of reading.

bioRxiv : the preprint server for biology·2026
Same author

Clinical and genetic diagnostic challenges in presumed hereditary ataxia.

Journal of neurology·2026
Same author

Pretreatment blood NfL indicates response to cellular therapies in cerebral adrenoleukodystrophy.

Communications medicine·2026
Same author

Natural History of Clinical Phenotypes and Their Biochemical Correlates in Adult X-Linked Adrenoleukodystrophy.

Journal of inherited metabolic disease·2026
Same author

Physical embodiment enables information processing beyond explicit flow sensing in active matter.

Science advances·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases
09:33

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Published on: July 28, 2013

28.6K

HeteroMRI: Clasificación robusta de la anormalidad de la sustancia blanca en los datos de resonancia magnética

Masoud Abedi1,2,3, Navid Shekarchizadeh2,3,4, Pierre-Louis Bazin5

  • 1Faculty Applied Computer and Bio Sciences, Mittweida University of Applied Sciences, 09648 Mittweida, Germany.

GigaScience
|August 22, 2025
PubMed
Resumen

Un nuevo método de aprendizaje profundo, HeteroMRI, clasifica efectivamente las resonancias magnéticas cerebrales con anomalías de la sustancia blanca a pesar de la heterogeneidad de los datos. Este enfoque mejora la precisión del diagnóstico, especialmente en enfermedades raras con datos limitados, al ser independiente del escáner de resonancia magnética y las variaciones del protocolo.

Palabras clave:
Clasificación por resonancia magnética del cerebrored neuronal convolucionalagrupación de intensidadResonancia magnética multiprotocoloResonancia magnética con varios escáneresEnfermedad raraAnormalidad de la sustancia blanca

Más Videos Relacionados

Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla
08:51

Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla

Published on: February 19, 2021

9.2K
A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging
11:50

A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Published on: February 4, 2022

4.1K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases
09:33

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Published on: July 28, 2013

28.6K
Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla
08:51

Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla

Published on: February 19, 2021

9.2K
A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging
11:50

A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Published on: February 4, 2022

4.1K

Área de la Ciencia:

  • Imágenes neurológicas
  • Inteligencia artificial
  • Diagnóstico médico

Sus antecedentes:

  • La resonancia magnética es vital para analizar las anomalías de la materia blanca del cerebro.
  • La integración del aprendizaje automático mejora los diagnósticos de resonancia magnética, pero tiene problemas con los datos heterogéneos de múltiples escáneres, especialmente en enfermedades raras.
  • El desarrollo de métodos independientes del escáner y el protocolo es crucial para el análisis clínico de resonancia magnética.

Objetivo del estudio:

  • Introducir HeteroMRI, un método de aprendizaje profundo para clasificar las resonancias magnéticas cerebrales con anomalías de la sustancia blanca.
  • Mitigar el impacto de la heterogeneidad de los datos de RM en el rendimiento de la clasificación.
  • Mejorar las capacidades de diagnóstico de anomalías de la sustancia blanca en diversos entornos clínicos.

Principales métodos:

  • Desarrolló HeteroMRI, una técnica de aprendizaje profundo que utiliza el agrupamiento de intensidad del tejido de la materia blanca.
  • Aplicado HeteroMRI para clasificar las resonancias magnéticas de 11 conjuntos de datos públicos que abarcan 40 protocolos de resonancia magnética.
  • Entrenó el clasificador binario en 200 resonancias magnéticas para evaluar el rendimiento y la generalización.

Principales resultados:

  • HeteroMRI logró una precisión media del 93% ± 4% en la clasificación de las anomalías de la sustancia blanca.
  • El método demostró robustez en escenarios de datos limitados, simulando enfermedades raras.
  • La precisión disminuyó sólo un 4% y un 12% cuando los datos de formación se redujeron un 64% y un 75%, respectivamente.

Conclusiones:

  • HeteroMRI permite la clasificación de datos de resonancia magnética heterogéneos para las anomalías de la sustancia blanca sin procesamiento previo para la heterogeneidad.
  • El método exhibe una gran independencia de los protocolos de escáner y adquisición de resonancia magnética.
  • HeteroMRI muestra una fuerte generalización a protocolos de resonancia magnética no vistos, allanando nuevas vías para la aplicación clínica.