Guía activa en el escaneo de vejiga por ultrasonido mediante aprendizaje por refuerzo

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial
• Urología

Sus antecedentes:

• La medición precisa del volumen de la vejiga es crucial para diagnosticar la retención urinaria y la disfunción de la micción.
• La obtención de imágenes óptimas por ultrasonido puede ser un desafío para los operadores con menos experiencia, lo que podría llevar a un diagnóstico erróneo.

Objetivo del estudio:

• Desarrollar un sistema de guía inteligente utilizando aprendizaje por refuerzo (AR) para mejorar la adquisición de imágenes de ultrasonido en el escaneo de vejiga.
• Mejorar la calidad y consistencia de la imagen en las evaluaciones de la vejiga.

Principales métodos:

• Implementación de un novedoso pipeline con una variante de Deep Q-Networks (DQN) llamada Adam LMCDQN.
• Desarrollo de un diseño de recompensa específico del dominio para AR, incorporando conocimiento del dominio.
• Validación dentro de procesos de decisión de Markov lineales en un entorno simulado.

Principales resultados:

• Se logró una prometedora tasa de éxito en el alcance de los puntos objetivo: [Fórmula: ver texto] (transversal) y [Fórmula: ver texto] (longitudinal).
• Superó significativamente a los modelos de aprendizaje profundo supervisado, que lograron [Fórmula: ver texto] (transversal) y [Fórmula: ver texto] (longitudinal).
• Demostró la viabilidad técnica de la localización de vistas óptimas utilizando AR.

Conclusiones:

• El aprendizaje por refuerzo muestra un potencial significativo para mejorar la evaluación de la vejiga por ultrasonido.
• El sistema de guía inteligente propuesto ofrece retroalimentación en tiempo real y adaptativa a los operadores.
• Este trabajo es una aplicación pionera de AR en la guía por ultrasonido para la evaluación de la vejiga.