Video Experimental Relacionado
Updated: Jan 8, 2026
06:56
Human Fetal Blood Flow Quantification with Magnetic Resonance Imaging and Motion Compensation
Published on: January 7, 2021
2.8K
Modelo de red neuronal convolucional guiado por conocimiento previo para predecir la edad cerebral fetal a partir de
Fangmei Zhu1, Shijie Huang2, Xue Tang3
1Department of Radiology, Affiliated Hangzhou First People's Hospital, Westlake University School of Medicine, No.261, Huansha Road, Hangzhou, Zhejiang, 310006, China.
BMC pregnancy and childbirth
|December 12, 2025
Resumen
Una red neuronal convolucional (CNN) estima con precisión la edad cerebral fetal a partir de escaneos de RM. Este enfoque impulsado por IA muestra una alta correlación con la edad cerebral real, lo que ayuda en el manejo del embarazo.
Área de la Ciencia:
- Imagenología médica
- Inteligencia artificial
- Desarrollo fetal
Sus antecedentes:
- La estimación de la edad cerebral fetal es crucial para el seguimiento de la salud del embarazo.
- Los métodos actuales pueden tener limitaciones en precisión y exactitud.
- Los modelos computacionales avanzados ofrecen potencial para una mejor evaluación de la edad fetal.
Objetivo del estudio:
- Evaluar un modelo de red neuronal convolucional (CNN) para la estimación de la edad cerebral fetal utilizando RM.
- Evaluar la precisión y fiabilidad del modelo CNN en embarazos del segundo y tercer trimestre.
- Explorar el potencial de la IA en la optimización de la atención prenatal a través de una predicción precisa de la edad fetal.
Principales métodos:
- Se utilizaron 407 resonancias magnéticas fetales ponderadas en T2 (2310 pilas) de 22 a 39 semanas de gestación.
- Se empleó un modelo CNN guiado por conocimiento previo para la predicción de la edad cerebral.
- Se validaron las predicciones frente a la ecografía del primer trimestre, utilizando el coeficiente de correlación de concordancia de Lin (ρc) y la puntuación R².
Principales resultados:
- El modelo CNN logró un error absoluto medio (MAE) de 4,62 ± 3,31 días.
- Demostró una fuerte concordancia con los estándares de referencia (ρc = 0,977) y una alta correlación (R² = 0,953).
- Superó a los métodos existentes en precisión y segmentación, con diferencias estadísticas significativas (P<0,001).
Conclusiones:
- Un modelo CNN guiado por conocimiento predice con precisión la edad cerebral fetal a partir de resonancias magnéticas.
- La alta precisión y correlación del modelo sugieren su utilidad en entornos clínicos.
- Esta tecnología tiene un potencial significativo para mejorar el manejo y los resultados del embarazo.
