Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Mouse Models of Cancer Study02:43

Mouse Models of Cancer Study

Mice have long served as models for studying human biology and pathology because of their phylogenetic and physiological similarity with humans. They are also easy to maintain and breed in the laboratory, and hence, many inbred strains are now available for research. Studies on mice have contributed immeasurably to our understanding of cancer biology.
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Mouse Models of Cancer Study02:43

Mouse Models of Cancer Study

Mice have long served as models for studying human biology and pathology because of their phylogenetic and physiological similarity with humans. They are also easy to maintain and breed in the laboratory, and hence, many inbred strains are now available for research. Studies on mice have contributed immeasurably to our understanding of cancer biology.
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...

También podría leer

Artículos Relacionados

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

Ordenar por
Same author

Association between subjective symptoms and severity in patients with Fuchs endothelial corneal dystrophy.

Japanese journal of ophthalmology·2026
Same author

ICG fluorescence imaging-guided bile leak detection to reduce clinically relevant bile leakage after hepatectomy: A protocol for a systematic review and meta-analysis.

PloS one·2026
Same author

Mechanical thromboprophylaxis for preventing intradialytic hypotension in people undergoing maintenance haemodialysis.

The Cochrane database of systematic reviews·2026
Same author

Heart failure and renal outcomes with angiotensin receptor blockers compared with calcium channel blockers in patients with chronic kidney disease: a target trial emulation.

Heart (British Cardiac Society)·2026
Same author

Clinical effectiveness of telepharmacy services in patients with non-communicable diseases in ambulatory care settings.

The Cochrane database of systematic reviews·2026
Same author

Differential modulation of reciprocal inhibition between wrist extensors and flexors by repetitive peripheral magnetic stimulation of the wrist extensors.

Journal of neurophysiology·2026
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

Video Experimental Relacionado

Updated: Jun 11, 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

3.6K

Modelo de diagnóstico basado en aprendizaje profundo para enfermedades neoplásicas de la superficie ocular

Rie Sakata1, Taiyo Shijo1, Yuta Ueno2

  • 1Department of Ophthalmology, Tokyo Dental College Ichikawa General Hospital, Chiba, Japan.

American journal of ophthalmology
|February 26, 2026
PubMed
Resumen

Un modelo de aprendizaje profundo (DL) muestra una alta precisión en el diagnóstico de tumores comunes de la superficie ocular como el pterigión y el dermoide limbal. Sin embargo, su rendimiento en neoplasias malignas raras como el melanoma requiere una mayor mejora.

Palabras clave:
Inteligencia artificialLinfoma MALTpterigióndermoide limbalmelanoma malignonevusneoplasia escamosa de la superficie ocular (OSSN)tumores de la superficie ocularpingüécula

Más Videos Relacionados

Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography
05:46

Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography

Published on: December 2, 2022

2.2K
Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia
06:15

Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia

Published on: August 9, 2024

1.9K

Videos de Experimentos Relacionados

Last Updated: Jun 11, 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

3.6K
Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography
05:46

Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography

Published on: December 2, 2022

2.2K
Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia
06:15

Author Spotlight: Anterior HR-OCT as a Non-Invasive Tool for Characterizing Ocular Surface Squamous Neoplasia

Published on: August 9, 2024

1.9K

Área de la Ciencia:

  • Oftalmología
  • Inteligencia Artificial
  • Imágenes Médicas

Sus antecedentes:

  • Los tumores de la superficie ocular abarcan una variedad de afecciones benignas y malignas.
  • El diagnóstico preciso y oportuno es crucial para un tratamiento eficaz y los resultados del paciente.
  • El aprendizaje profundo (DL) ofrece potencial para el análisis automatizado de imágenes en diagnósticos médicos.

Objetivo del estudio:

  • Desarrollar un modelo de aprendizaje profundo (DL) para el diagnóstico de tumores de la superficie ocular.
  • Evaluar el rendimiento diagnóstico del modelo de DL desarrollado.
  • Comparar el rendimiento del modelo de DL con los diagnósticos de expertos humanos.

Principales métodos:

  • Se desarrolló un modelo de DL basado en la arquitectura YOLOv5.
  • El modelo se entrenó con 1.491 imágenes de la superficie ocular en siete categorías de enfermedades.
  • El rendimiento se validó utilizando 299 imágenes externas y se comparó con las evaluaciones de especialistas en córnea, oftalmólogos y residentes.

Principales resultados:

  • El modelo de DL logró un valor predictivo positivo (VPP) del 96.0%, superando a los expertos humanos.
  • Se observaron VPP altos específicos de la enfermedad para pterigión (96.7%) y dermoide limbal (93.5%).
  • El modelo demostró alta sensibilidad y especificidad para la mayoría de las afecciones comunes, con un rendimiento menor para neoplasias malignas raras como el melanoma (VPP 38.5%) y el linfoma MALT (VPP 57.9%).

Conclusiones:

  • El modelo de DL muestra una promesa significativa como herramienta de diagnóstico de apoyo para tumores comunes de la superficie ocular.
  • Se necesita un mayor refinamiento para mejorar la precisión diagnóstica de las neoplasias malignas raras y agresivas.
  • El estudio destaca el potencial de la IA para mejorar las capacidades de diagnóstico oftalmológico.