Video Experimental Relacionado
Updated: Feb 26, 2026

Screening of Axonal Degeneration in Carpal Tunnel Syndrome Using Ultrasonography and Nerve Conduction Studies
Published on: January 11, 2019
Evaluación no invasiva del nervio cubital en la extremidad superior mediante aprendizaje automático
Akhil Dondapati1, Andrew Rodenhouse1, Thomas J Carroll1
1Department of Orthopaedic Surgery, University of Rochester Medical Center, Rochester, NY.
Este estudio desarrolló un algoritmo de aprendizaje automático para el análisis automatizado por ultrasonido del nervio cubital en el diagnóstico del síndrome del túnel cubital. El modelo de IA identifica y mide con precisión el área de sección transversal del nervio, mejorando la consistencia diagnóstica.
Área de la Ciencia:
- Imágenes médicas
- Inteligencia artificial en medicina
- Neurología
Sus antecedentes:
- El diagnóstico del síndrome del túnel cubital se basa en el ultrasonido, pero está limitado por la dependencia del operador y la variabilidad.
- El análisis automatizado de imágenes de ultrasonido puede mejorar la precisión y la consistencia diagnóstica.
Objetivo del estudio:
- Desarrollar un algoritmo de aprendizaje automático para la identificación, segmentación y medición automatizadas del área de sección transversal (CSA) del nervio cubital utilizando imágenes de ultrasonido.
- Establecer un paso fundamental hacia la evaluación de ultrasonido independiente del operador para el síndrome del túnel cubital.
Principales métodos:
- Se entrenó una red neuronal convolucional (YOLOv8) con imágenes de ultrasonido del túnel cubital de 34 sujetos (11 pacientes, 23 controles).
- El modelo generó mapas binarios para la detección y segmentación automática del nervio cubital.
- La precisión se evaluó utilizando puntuaciones Dice y la comparación de las mediciones de CSA predichas frente a la verdad fundamental.
Principales resultados:
- El modelo YOLOv8 logró una puntuación Dice promedio de 0.90, con el 99% de las imágenes con puntuaciones superiores a 0.75.
- La diferencia absoluta media en las mediciones de CSA entre el modelo y la verdad fundamental fue de 2.08 mm² (16.05%).
- El algoritmo demostró una alta precisión en la identificación y medición del área de sección transversal del nervio cubital.
Conclusiones:
- El algoritmo de aprendizaje automático desarrollado representa un avance significativo en la automatización del diagnóstico del síndrome del túnel cubital basado en ultrasonido.
- Este enfoque minimiza la dependencia del operador y la variabilidad técnica, allanando el camino para herramientas de diagnóstico más confiables y accesibles.
- El desarrollo adicional puede conducir a una evaluación de ultrasonido del nervio cubital totalmente automatizada e independiente del operador.
Videos de Conceptos Relacionados
Spinal Nerves: Plexus I
The Cervical Plexus
The cervical plexus, formed by the anterior rami of the first four...
Bones of the Upper Limb: Ulna
Assessment of radial pulse
The radial pulse, located at the wrist, is often the preferred site for assessing peripheral pulse because of its accessibility and dependability. The process of determining the radial pulse involves several steps:
Assessment of apical radial pulse
The A-R pulse assessment involves simultaneous evaluation of the apical and radial pulses. When the apical and radial pulse rates vary, this assessment helps identify a pulse deficit.
Pre-Procedural Preparation
