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

Video Experimental Relacionado

Updated: Sep 10, 2025

Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression
07:00

Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression

Published on: May 7, 2019

9.0K

Un método de autoanálisis de imágenes de tensión de difusión basado en aprendizaje profundo para la mielopatía

Shuoheng Yang1,2, Junpeng Li1, Ningbo Fei2

  • 1Spinal Division, Orthopedic and Traumatology Center, The Affiliated Hospital of Guangdong Medical University, Zhanjiang 524013, China.

Bioengineering (Basel, Switzerland)
|August 28, 2025
PubMed
Resumen

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

5-Aminolevulinic Acid photodynamic therapy treats HPV-associated diseases by promoting M1 macrophage polarization through STEAP3/p53/SLC7A11-mediated ferroptosis.

Photodiagnosis and photodynamic therapy·2026
Same author

Balanced Water Activity and Enhanced Cation Transport via a Critical Nanoconfined Electrolyte for High-Performance Ah-Level Zn-Ion Batteries.

Nano letters·2026
Same author

Zwitterionic Polymer Micelles Enable Interface Regulation for Long-Life Aqueous Zinc-Iodine Batteries.

Nano letters·2026
Same author

Transcription factor LbWOX5 improves salt tolerance by regulating salt gland development in Limonium bicolor.

Plant physiology·2026
Same author

A New Arbitrary-Time Guaranteed-Performance Adaptive Tracking Control Scheme Design for Uncertain Nonlinear Systems.

IEEE transactions on cybernetics·2026
Same author

Corrections to "Learning From M-Tuple One-vs-All Confidence Comparison Data".

IEEE transactions on neural networks and learning systems·2026
Este resumen es generado por máquina.

Un nuevo modelo de aprendizaje profundo clasifica con precisión la gravedad de la mielopatía espondilótica cervical (CSM) utilizando imágenes de tensor de difusión (DTI). Esta red de evaluación de la gravedad de CSM basada en DTI (DCSANet-MD) ayuda a monitorear la progresión de la enfermedad y orientar el tratamiento.

Área de la Ciencia:

  • Imágenes médicas
  • Inteligencia artificial
  • Neurología

Sus antecedentes:

  • La mielopatía espondilótica cervical (MSC) es una patología de la médula espinal.
  • La evaluación precisa de la gravedad del CSM es crucial para el tratamiento del paciente.

Objetivo del estudio:

  • Desarrollar y evaluar un modelo de aprendizaje profundo para la clasificación automática de la gravedad de la patología de la médula espinal en la MCS.
  • Para cuantificar la gravedad del CSM mediante imágenes de tensor de difusión (DTI).

Principales métodos:

  • Se desarrolló un modelo multidimensional de fusión de características, DCSANet-MD, para extraer características 2D y 3D de las rebanadas de DTI.
  • El modelo incorpora un mecanismo de integración de características para mejorar la representación de la información espacial.
Palabras clave:
Mielopatía espondilótica cervicalaprendizaje profundoImágenes de tensor de difusión

Más Videos Relacionados

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
Diffusion Imaging in the Rat Cervical Spinal Cord
10:46

Diffusion Imaging in the Rat Cervical Spinal Cord

Published on: April 7, 2015

11.8K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression
07:00

Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression

Published on: May 7, 2019

9.0K
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
Diffusion Imaging in the Rat Cervical Spinal Cord
10:46

Diffusion Imaging in the Rat Cervical Spinal Cord

Published on: April 7, 2015

11.8K
  • Para la evaluación se utilizaron los datos de DTI cervical y los registros clínicos de 176 pacientes con MCS.

    • Principales resultados:

    • El modelo DCSANet-MD logró una precisión del 82% en una clasificación de dos categorías de gravedad (leve frente a grave).
    • Una estrategia de clasificación jerárquica para tres categorías (leve, moderada, severa) arrojó una precisión de aproximadamente el 68%, superando a los métodos de referencia.
    • El modelo demostró un potencial significativo en la evaluación de la gravedad de la CSM.

    Conclusiones:

    • Los métodos basados en el aprendizaje profundo son prometedores para la evaluación patológica de CSM basada en DTI.
    • El método propuesto puede servir como herramienta de apoyo a la toma de decisiones para el seguimiento de la progresión de la enfermedad.
    • Este enfoque ofrece valor en la orientación de las estrategias de intervención para los pacientes con EMC.