Publicaciones científicas destacadas

Lograr una reducción de dosis del 94 % con una calidad de imagen mejorada y sin pérdida de capacidad de detección de nódulos utilizando SilverBeam y AiCE

Se requieren imágenes de alta calidad con una baja dosis de radiación para optimizar la detección temprana del cáncer de pulmón, minimizando al mismo tiempo los riesgos derivados de la exposición repetida a la radiación y aprovechando así los beneficios del cribado del cáncer de pulmón. Este estudio explora el uso de un filtro espectral basado en plata (SilverBeam) y un algoritmo de reconstrucción con IA (AiCE) para lograr una reducción significativa de la dosis, preservando la calidad de la imagen y la precisión en la detección de nódulos pulmonares con diferentes niveles de dosis.

Conclusión:
"El filtro de plata y el DLR (Deep Learning Reconstruction) pueden mejorar significativamente la calidad de la imagen y la capacidad de detección de nódulos en comparación con el filtro de cobre y otros métodos de reconstrucción en cada una de las dosis de radiación utilizadas".

Oshima, Yuka et al. | Capacidad de reducción de dosis manteniendo la detección de nódulos: Comparación de filtros de modulación del espectro de rayos X de plata y cobre para TC de tórax mediante un estudio con maniquí y diferentes métodos de reconstrucción | Revista Europea de Radiología, vol. 166 (2023)

Artículos científicos

Encuentre aquí nuestra última evidencia científica sobre soluciones de cribado de cáncer de pulmón utilizando tecnologías Canon.

Hamada, A et al. | Comparación de la reconstrucción de imágenes mediante aprendizaje profundo con la reconstrucción iterativa híbrida para la evaluación de nódulos pulmonares con tomografía computarizada de alta resolución | Journal of Computer Assisted Tomography (2023)

Oshima, Y et al. | Capacidad de reducción de dosis manteniendo la detección de nódulos: Comparación de filtros de modulación espectral de rayos X de plata y cobre para TC de tórax mediante un estudio fantasma con diferentes métodos de reconstrucción | European Journal of Radiology (2023)

Goto, M et al. | Reconstrucción optimizada para pulmón basada en aprendizaje profundo para TC de dosis ultrabaja | Academic Radiology (2023)

Hamabuchi, N et al. | Eficacia de la reconstrucción mediante aprendizaje profundo en imágenes de TC torácica de alta definición desde dosis estándar hasta ultrabaja | Japanese Journal of Radiology (2023)

K. Boedeker et al. | Evaluación técnica de un protocolo de tomografía computarizada de cribado de cáncer de pulmón de baja dosis utilizando un filtro de plata para modelado de haz y reconstrucción mediante aprendizaje profundo | ECR (2023)

Watanabe, S et al. | Exactitud volumétrica de los nódulos pulmonares con un algoritmo de reconstrucción basado en aprendizaje profundo en TC de baja dosis: un estudio fantasma | Physica Medica (2022)

Mikayama, R et al. | Reconstrucción con aprendizaje profundo para TC pulmonar de dosis ultrabaja: exactitud y reproducibilidad de la medición volumétrica de nódulos de vidrio esmerilado artificiales en un estudio fantasma | The British Journal of Radiology (2022)

Keiichi Nomura et al. | Reducción de dosis de radiación para radiografía localizadora de tomografía computarizada utilizando un filtro adicional de plata (Ag) | Journal of Computer Assisted Tomography (2021)

Ortlieb, A. C et al. | Impacto del morfotipo en la calidad de imagen y el rendimiento diagnóstico de la TC torácica de dosis ultrabaja | Journal of Clinical Medicine (2021)

Singh, R et al. | Calidad de imagen y detección de lesiones en reconstrucción mediante aprendizaje profundo e iterativa de TC torácica y abdominal submilisievert | American Journal of Roentgenology (2020)

Yanagawa, M et al. | Adenocarcinoma pulmonar en TC con espesor de corte de 0,25 mm y matriz de 2048: imágenes de alta resolución espacial para predecir invasividad | Radiology (2020)

Tsubamoto, M et al. | Tomografía computarizada de ultra alta resolución con matriz 1024: Comparación con matriz 512 para la evaluación de nódulos pulmonares | European Journal of Radiology (2020)

Lucia J. M. Kroft et al. | Valor añadido de la tomografía computarizada de dosis ultrabaja, equivalente a la radiografía de tórax, para el diagnóstico de patologías torácicas | Journal of Thoracic Imaging (2019)

Fujita, M et al. | Cribado de cáncer de pulmón con TC de dosis ultrabaja utilizando reconstrucción iterativa completa | Japanese Journal of Radiology (2017)

Meyer, E et al. | Adquisición de volumen amplio frente a adquisición helicoidal en TC torácica sin contraste: comparación prospectiva intra-paciente de exactitud diagnóstica y dosis de radiación en un entorno de dosis ultrabaja | European Radiology (2019)

Schaal, M et al. | Rendimiento diagnóstico de la tomografía computarizada de dosis ultrabaja para la detección de enfermedades pleuropulmonares relacionadas con el asbesto: estudio prospectivo en un entorno de cribado | PLOS One (2016)

Kakinuma, R et al. | Tomografía computarizada de ultra alta resolución del pulmón: calidad de imagen de un escáner prototipo | PLOS One (2015)

Nomura, Y et al. | Efectos de los algoritmos de reconstrucción iterativa en el software de detección asistida por computadora (CAD) para nódulos pulmonares en TC de dosis ultrabaja para cribado de cáncer de pulmón | Academic Radiology (2017)



Suscríbase a nuestro boletín para recibir actualizaciones sobre nuestros eventos educativos e información científica.

Suscribirse ahora (Enlace al sitio web global de Canon Medical)



Contact Us