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

Neural Control of Respiration01:18

Neural Control of Respiration

4.4K
The neural regulation of respiration is a meticulously coordinated process primarily controlled by the respiratory centers located within the brainstem. These centers, composed of specialized neurons, transmit nerve impulses that control the contraction and relaxation of our respiratory muscles.
Respiratory Centers in the Brainstem
Two primary areas comprise the respiratory center: the medullary respiratory center in the medulla oblongata and the pontine respiratory group in the pons. The...
4.4K
Cardiopulmonary Resuscitation II: ACLS Airway Management01:22

Cardiopulmonary Resuscitation II: ACLS Airway Management

487
Airway management is a key skill in emergency and critical care settings, as maintaining a clear airway is essential for adequate oxygenation and ventilation.Head Tilt-Chin Lift TechniqueThe head tilt-chin lift maneuver is an essential technique primarily used in patients without suspected cervical spine injuries. To perform this maneuver, one hand is placed on the patient’s forehead, and gentle pressure is applied backward to tilt the head. The fingertips of the other hand are positioned...
487

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Improvement of Progressive Vanishing Lung Syndrome in COPD: A 7-Year Radiological Evolution Case Report and Literature Review.

International journal of chronic obstructive pulmonary disease·2026
Same author

Towards Automated Reporting: A Bronchoscopy Report Dataset for Enhancing Multimodality Large Language Models.

Scientific data·2026
Same author

Predictive value of six anthropometric indicators for prevalence and mortality of obstructive sleep apnoea asthma and COPD using NHANES data.

Scientific reports·2025
Same author

Diagnosis value of targeted and metagenomic sequencing in respiratory tract infection.

Frontiers in cellular and infection microbiology·2024
Same author

BronchoTrack: Airway Lumen Tracking for Branch-Level Bronchoscopic Localization.

IEEE transactions on medical imaging·2024
Same author

Pleural aspergillosis in an otherwise healthy patient diagnosed by medical thoracoscopy.

Clinical microbiology and infection : the official publication of the European Society of Clinical Microbiology and Infectious Diseases·2024

Video Experimental Relacionado

Updated: Jan 8, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K

Aprendizaje curricular progresivo con U-Net mejorado por escala para la segmentación continua de las vías

Bingyu Yang1,2, Qingyao Tian1,2, Huai Liao3

  • 1State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China.

BMC medical imaging
|December 17, 2025
PubMed
Resumen

Este estudio presenta un novedoso método de aprendizaje profundo para la segmentación precisa de las vías respiratorias en TC, mejorando la continuidad y la precisión, especialmente para las vías respiratorias pequeñas, crucial para la planificación y navegación quirúrgica.

Palabras clave:
Árbol bronquialSegmentación de imágenes de TCAprendizaje curricularU-Net

Más Videos Relacionados

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

3.1K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

723

Videos de Experimentos Relacionados

Last Updated: Jan 8, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K
Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
05:56

Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

Published on: April 14, 2023

3.1K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

723

Área de la Ciencia:

  • Imágenes Médicas
  • Inteligencia Artificial
  • Neumología

Sus antecedentes:

  • La segmentación precisa de las vías respiratorias en la TC de tórax es vital para aplicaciones clínicas como la planificación quirúrgica y la broncoscopia.
  • Los métodos de aprendizaje profundo enfrentan desafíos para mantener la continuidad de las vías respiratorias debido al desequilibrio de clases y los detalles borrosos.

Objetivo del estudio:

  • Desarrollar un marco avanzado de aprendizaje profundo para la segmentación continua y precisa de las vías respiratorias.
  • Mejorar la detección y segmentación de las vías respiratorias pequeñas preservando la integridad general del árbol de las vías respiratorias.

Principales métodos:

  • Un flujo de aprendizaje curricular progresivo con tres etapas: aprendizaje grueso, Pérdida de Unión General (GUL) y Pérdida Adaptativa Sensible a la Topología (ATRL).
  • Un U-Net mejorado por escala (SE-UNet) con entradas multiescala y Mejoradores de Información de Detalles (DIE).
  • Estrategia de muestreo de recortes para abordar el desequilibrio intra-clase y análisis robusto del árbol de vías respiratorias con métricas de evaluación jerárquicas.

Principales resultados:

  • El método propuesto logró un rendimiento superior en el conjunto de datos del desafío ATM'22.
  • Demostró una mejora del 9,631 % en la detección de longitud del árbol (TD) para vías respiratorias pequeñas y una mejora del 4,622 % en la detección de ramas (BD) en un conjunto de datos interno.
  • Mejoró significativamente la precisión de las vías respiratorias pequeñas y la integridad general del árbol de las vías respiratorias.

Conclusiones:

  • El flujo de aprendizaje curricular progresivo y el SE-UNet abordan eficazmente los desafíos en la segmentación de las vías respiratorias.
  • El marco ofrece una precisión y una integridad mejoradas para la segmentación de las vías respiratorias, lo que beneficia la práctica clínica.
  • El método propuesto representa un avance significativo en el análisis automatizado de las vías respiratorias a partir de imágenes de TC.