MultiONoticias

Deep Learning

Detección de cáncer utilizando Deep Learning y estiramiento fotónico

-A
+A

A continuación te presentamos un extracto de este interesante artículo proveniente del MATLAB Digest:

Los pacientes con cáncer que reciben tratamientos basados en quimioterapia o inmunoterapia deben someterse a tomografías ordinarias de tomografía computarizada y de PET y, en algunos casos, a nuevas biopsias, para evaluar la eficacia del tratamiento. La citometría de flujo, un método para identificar las células tumorales circulantes (CTC) a través de un simple análisis de sangre, es mucho menos invasiva que las exploraciones y biopsias, y podría ser un cambio de juego en el tratamiento del cáncer.

En la citometría de flujo, las células se examinan a medida que pasan uno a uno a través de una pequeña abertura en un citómetro de flujo. En la citometría de flujo tradicional, las células requieren etiquetado fluorescente, que puede afectar el comportamiento celular y comprometer la viabilidad. Los citómetros de flujo de imagen no requieren etiquetas, pero a velocidades de cámara superiores a 2000 células por segundo, producen imágenes borrosas, lo que hace poco práctico examinar una población de células lo suficientemente grande como para encontrar células anormales raras.

Nuestro grupo en el laboratorio de fotónica de UCLA ha desarrollado un sistema de imágenes de fase cuantitativa (TS-QPI) que permite clasificar con precisión tamaños de muestras grandes sin etiquetas de biomarcadores. Este sistema combina la citometría de flujo de imagen, la tecnología fotónica de estiramiento de tiempoy los algoritmos de aprendizaje de máquina desarrollados en MATLAB, y puede clasificar las células con más del 95% de precisión.

Para leer el artículo original da clic aquí.

Solicita tu cotización de MATLAB aquí:

Gabriela Hernández
Ejecutivo MATLAB Académico
ghernandez@multion.com
+52 (55) 55594050 Ext. 122

Rozzana Almaráz
Ejecutivo MATLAB Académico
ralmaraz@multion.com
+52 (55) 55594050 Ext. 189