Video Experimental Relacionado
Updated: May 3, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
Arquitectura de aprendizaje profundo multietapa para la segmentación de la arteria carótida y la evaluación de la
Zhiji Zheng1, Wanchen Liu2, Zhimeng Cui2
1Academy for Engineering and Technology, Fudan University, 220 Handan Road, Yangpu District, Shanghai, 200433, PR China.
Una nueva arquitectura automatizada segmenta con precisión las arterias carótidas utilizando imágenes de resonancia magnética de alta resolución (RM-AR), igualando la precisión de los médicos en la evaluación de la estenosis. Esta herramienta ofrece un diagnóstico eficiente de la enfermedad aterosclerótica y la evaluación del riesgo de accidente cerebrovascular.
Área de la Ciencia:
- Imágenes Médicas
- Inteligencia Artificial
- Enfermedad Cardiovascular
Sus antecedentes:
- La imagen por resonancia magnética de alta resolución (RM-AR) es un método no invasivo para evaluar la estenosis de la aterosclerosis carotídea.
- La segmentación manual y la evaluación de la estenosis consumen mucho tiempo y son propensas a la variabilidad interobservador.
Objetivo del estudio:
- Desarrollar y validar una novedosa arquitectura automatizada para segmentar las arterias carótidas extracraneales y evaluar la estenosis utilizando RM-AR.
- Comparar el rendimiento de la arquitectura propuesta con la segmentación manual y la angiografía por sustracción digital (DSA).
Principales métodos:
- Se utilizó un conjunto de datos de 641 arterias estenóticas de 422 pacientes, dividido en conjuntos de entrenamiento-validación y de prueba independientes.
- También se incluyó un conjunto de validación externa de un cuarto hospital.
- Se evaluó el rendimiento de la arquitectura utilizando coeficientes de similitud de Dice y la precisión de la evaluación de la estenosis.
Principales resultados:
- La arquitectura automatizada logró una alta consistencia con la segmentación manual (puntuaciones de Dice de 0,97 ± 0,01 y 0,96 ± 0,01).
- La precisión de la evaluación de la estenosis alcanzó el 0,88 en el conjunto de pruebas independiente y el 0,86 en el conjunto de validación externa.
- El rendimiento fue comparable a los criterios de diagnóstico de la DSA.
Conclusiones:
- La arquitectura propuesta proporciona una segmentación y evaluación de la estenosis de las arterias carótidas precisa y fiable a partir de RM-AR.
- Reduce significativamente el tiempo de diagnóstico y la variabilidad interobservador en comparación con los métodos manuales.
- Esta herramienta inteligente muestra ser prometedora para el diagnóstico de enfermedades ateroscleróticas en cabeza y cuello y para la evaluación del riesgo de accidente cerebrovascular.
Más Videos Relacionados
04:25Author Spotlight: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies
Published on: December 15, 2023
09:36A Magnetic Resonance Imaging-based Computational Protocol for Analysis of Plaque Morphology and Hemodynamics in Patients with Carotid Artery Stenosis
Published on: August 12, 2025
Videos de Conceptos Relacionados
Arteries of the Head and Neck
The internal carotid arteries supply blood to the anterior portion of the cerebrum. They enter the...
Imaging Studies for Cardiovascular System V: CT
Acute Coronary Syndrome III: Diagnostic Studies
Atherosclerosis II: Clinical Manifestations and Diagnostic Tests