MultiONoticias

Por Dr. Ryohei Nakayama, Ritsumeikan University

Uso de Deep Learning para reducir el riesgo de exposición a la radiación en la tomografía computarizada.

-A
+A

Debido a que producen imágenes en 3D de órganos, huesos y vasos sanguíneos, las exploraciones con tomografía computarizada (TC o TAC) tienen un valor diagnóstico significativamente mayor que las radiografías simples. Sin embargo, este valor de diagnóstico agregado tiene un costo: mayor exposición a la radiación potencialmente dañina. Las imágenes en 3D producidas por una tomografía computarizada se ensamblan a partir de imágenes de rayos X en 2D apiladas entre sí mediante un software informático. Como resultado, una sola tomografía computarizada del tórax tiene una dosis de radiación efectiva promedio de 7 miliservos (mSv), 350 veces más alta que la dosis de rayos X de tórax de 0.02 mSv. La exposición a la radiación se correlaciona con el riesgo de cáncer; las pautas limitan la dosis de radiación a 1.5 mSv en las tomografías computarizadas de niños.

 

Los investigadores médicos desean limitar la exposición a la radiación mientras brindan a los médicos la claridad de imagen que necesitan. Un enfoque prometedor es el uso de una tomografía computarizada de dosis ultra bajas, que tiene una dosis promedio efectiva de aproximadamente 0.13 mSv para una imagen de tórax. El principal inconveniente de las tomografías computarizadas de dosis ultra bajas es su resolución relativamente baja y su alto nivel de ruido, lo que puede dificultar que los médicos vean los órganos, la grasa y el tejido intersticial.

Acceda al artículo original aquí.

 

Emmanuel Olivar
Ingeniero de Aplicación MATLAB
eolivar@multion.com
+52 (55) 55594050 Ext. 130