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 for Cardiovascular System IV: CMRI01:21

Imaging Studies for Cardiovascular System IV: CMRI

135
Cardiovascular magnetic resonance imaging, or CMRI, is a non-invasive diagnostic test that employs a magnetic field and radiofrequency waves to create precise images of the heart and arteries. It provides comprehensive information about cardiac anatomy, function, perfusion, and tissue characterization without ionizing radiation.IndicationsCMRI diagnoses various heart conditions, including tissue damage from heart attacks, ischemic heart disease, myocarditis, aortic issues (tears, aneurysms,...
135

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Dual-Stage Clean-Sample Selection for Incremental Noisy Label Learning.

Bioengineering (Basel, Switzerland)·2025
Same author

Segmentation of Portal Vein in Multiphase CTA Image Based on Unsupervised Domain Transfer and Pseudo Label.

Diagnostics (Basel, Switzerland)·2023
Same author

Prediction Model of Hemorrhage Transformation in Patient with Acute Ischemic Stroke Based on Multiparametric MRI Radiomics and Machine Learning.

Brain sciences·2022
Same author

Fusion of multimodality image and point cloud for spatial surface registration for knee arthroplasty.

The international journal of medical robotics + computer assisted surgery : MRCAS·2022
Same author

Prolactin related symptoms during risperidone maintenance treatment: results from a prospective, multicenter study of schizophrenia.

BMC psychiatry·2016
Same author

Methylation of Notch3 modulates chemoresistance via P-glycoprotein.

European journal of pharmacology·2016
Same journal

Correction: Komatsu et al. Three-Dimensional Visualization and Detection of the Pulmonary Venous-Left Atrium Connection Using Artificial Intelligence in Fetal Cardiac Ultrasound Screening. <i>Bioengineering</i> 2026, <i>13</i>, 100.

Bioengineering (Basel, Switzerland)·2026
Same journal

Comparison of CO<sub>2</sub> Laser and Microdebrider in the Surgical Treatment of Pediatric Recurrent Respiratory Papillomatosis: A Retrospective Analysis.

Bioengineering (Basel, Switzerland)·2026
Same journal

Toward More Translational Tumor Models: Breast dECM-Based 3D Systems Capture Native Microenvironmental Cues.

Bioengineering (Basel, Switzerland)·2026
Same journal

Postural Stability Changes During the 4 Phases of the Half Squat: Kinematics Profile of the Center of Pressure and Center of Mass in High-Performance Weightlifters-A Pilot Study.

Bioengineering (Basel, Switzerland)·2026
Same journal

Definite Implant Position as Novel Readout for Effectiveness of Ridge Preservation Indicates to Beneficial Effect of Combined Treatment with Platelet-Rich Fibrin (PRF) and Xenogenic Biomaterial in Bone Regeneration.

Bioengineering (Basel, Switzerland)·2026
Same journal

Trueness and Precision of Intraoral Scanners for 3D-Printed Orthodontic Models with Attachments: An In Vitro Comparative Study.

Bioengineering (Basel, Switzerland)·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Sep 10, 2025

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment
10:39

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment

Published on: May 24, 2022

2.4K

Difusión condicionada multietiqueta para la ampliación y segmentación de imágenes de RM cardiacas

Jianyang Li1,2,3, Xin Ma1, Yonghong Shi2,3

  • 1Academy of Engineering & Technology, Fudan University, Shanghai 200433, China.

Bioengineering (Basel, Switzerland)
|August 28, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio introduce un nuevo modelo generativo para el aumento de datos de resonancia magnética cardíaca, mejorando la precisión de segmentación para afecciones cardíacas. El método mejora los conjuntos de datos, lo que conduce a mejores conocimientos diagnósticos y planificación del tratamiento.

Palabras clave:
segmentación por resonancia magnética cardíacaModelo de difusión guiado por condicionesAumento de datos

Más Videos Relacionados

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images
06:48

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Published on: January 7, 2019

9.0K
Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
02:09

Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function

Published on: April 12, 2024

676

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment
10:39

A Label-Free Segmentation Approach for Intravital Imaging of Mammary Tumor Microenvironment

Published on: May 24, 2022

2.4K
Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images
06:48

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Published on: January 7, 2019

9.0K
Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
02:09

Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function

Published on: April 12, 2024

676

Área de la Ciencia:

  • Imágenes médicas
  • Inteligencia artificial
  • Ingeniería biomédica

Sus antecedentes:

  • La segmentación precisa de la resonancia magnética cardíaca es vital para el diagnóstico de enfermedades cardíacas y la planificación de tratamientos.
  • La alta precisión de segmentación requiere grandes conjuntos de datos anotados, que son difíciles y costosos de adquirir.
  • Los modelos de aprendizaje profundo para la segmentación dependen en gran medida de la cantidad y calidad de los datos de capacitación.

Objetivo del estudio:

  • Desarrollar un nuevo marco de aumento de datos para la resonancia magnética cardíaca utilizando un modelo generativo de difusión guiado por la condición.
  • Para abordar el desafío de los conjuntos de datos de resonancia magnética cardíaca con anotaciones limitadas.
  • Mejorar el rendimiento de las tareas de segmentación cardíaca mediante conjuntos de datos mejorados.

Principales métodos:

  • Se propuso un marco de aumento generativo de datos en dos etapas.
  • Etapa 1: Un módulo de difusión de etiquetas generó máscaras espaciales realistas de múltiples categorías basadas en priores anatómicos.
  • Etapa 2: Las imágenes de resonancia magnética cardíaca se generaron condicionadas en estas máscaras utilizando un módulo de normalización espacialmente adaptativo (SPADE) para la precisión estructural.

Principales resultados:

  • El marco de aumento generativo aumentó significativamente el número de muestras de conjuntos de datos.
  • La precisión de la segmentación cardíaca mejoró entre un 5% y un 10% en el coeficiente de similitud de dados (DSC) en comparación con los métodos tradicionales.
  • Se observó una fuerte correlación entre la calidad de las imágenes generadas y la eficacia del aumento.

Conclusiones:

  • El marco propuesto ofrece una solución sólida para la escasez de datos en el análisis de imágenes cardíacas.
  • El aumento generativo de datos utilizando modelos de difusión guiados por condiciones puede mejorar sustancialmente las tareas de segmentación posterior.
  • Este enfoque tiene beneficios directos para aplicaciones clínicas en el diagnóstico y manejo de enfermedades cardíacas.