66.96.147.114Region MetropolitanaSantiagoNoticias del Tumor Cerebral / Lunes 9 de Octubre del a�o 2017 /45 18:0347 Horas.
Los supercomputadores identifican automáticamente los tumores cerebrales
Los supercomputadores identifican automáticamente los tumores cerebrales...

Subscribe in a reader

Los supercomputadores identifican automáticamente los tumores cerebrales

Los científicos enlistan supercomputadoras, aprenden a identificar automáticamente tumores cerebrales.

La fila superior muestra la configuración inicial. La segunda fila muestra la misma configuración en la iteración final de nuestro sistema de inversión y registro de tumores acoplados. Las tres imágenes en la parte inferior muestran la segmentación dura correspondiente. La segmentación basada en el atlas obtenida (imagen media) y la segmentación de la verdad del suelo para el paciente son muy similares.
Crédito: Andreas Mang, Sameer Tharakan, Amir Gholami, Naveen Himthani, Shashank Subramanian, James Levitt, Muneeza Azmat, Klaudius Scheufele, Miriam Mehl, Christos Davatzikos, Bill Barth y George Biros.


Los tumores cerebrales primarios abarcan una amplia gama de tumores dependiendo del tipo celular, la agresividad y el estadio del tumor. La caracterización rápida y precisa del tumor es un aspecto crítico de la planificación del tratamiento. Es una tarea actualmente reservada para los radiólogos entrenados, pero en el futuro, la informática, y en particular la informática de alto rendimiento, desempeñará un papel de apoyo.

George Biros, profesor de ingeniería mecánica y líder del grupo de algoritmos paralelos ICES para análisis de datos y simulación de la Universidad de Texas en Austin, ha trabajado durante casi una década para crear algoritmos de computación precisos y eficientes que pueden caracterizar gliomas, tipo agresivo de tumor cerebral primario.

Biros y colaboradores de la Universidad de Pensilvania (dirigida por el profesor Christos Davatzikos), la Universidad de Houston (dirigida por el profesor Andreas Mang) y la Universidad de Stuttgart por la profesora Miriam Mehl), presentó los resultados de un nuevo método completamente automático que combina modelos biofísicos de crecimiento tumoral con algoritmos de aprendizaje automático para el análisis de los datos de imágenes de resonancia magnética (RM) de pacientes con glioma. Todos los componentes del nuevo método fueron habilitados por supercomputadores en el Centro de Computación Avanzada de Texas (TACC).

El equipo de Biros probó su nuevo método en el Desafío de segmentación de tumores cerebrales multimodales 2017 (BRaTS'17), un concurso anual donde grupos de investigación de todo el mundo presentan métodos y resultados para la identificación y clasificación computarizada de tumores cerebrales, así como diferentes tipos de regiones cancerosas, utilizando pre-operatorio RM escanea.

Su sistema anotó en el 25 por ciento superior en el desafío y estaba cerca de la tapa para la segmentación entera del tumor.

"La competencia está relacionada con la caracterización de tejido anormal en pacientes que sufren de tumores de glioma, la forma más frecuente de tumor cerebral primario", dijo Biros. "Nuestro objetivo es tomar una imagen y delinearla automáticamente e identificar diferentes tipos de tejido anormal - edema, aumento del tumor (áreas con tumores muy agresivos) y tejido necrótico." Es similar a tomar una foto de la familia y hacer un reconocimiento facial para identificar a cada miembro, pero aquí se hace el reconocimiento de tejido, y todo esto tiene que hacerse automáticamente. "

Capacitación y prueba del oleoducto de predicción

Para el desafío, Biros y su equipo de más de una docena de estudiantes e investigadores, fueron proporcionados por adelantado con 300 conjuntos de imágenes cerebrales en las que todos los equipos calibraron sus métodos (lo que se llama "entrenamiento" en el lenguaje de aprendizaje de máquina).

En la parte final del desafío, los grupos recibieron datos de 140 pacientes y tuvieron que identificar la ubicación de los tumores y segmentarlos en diferentes tipos de tejidos en el transcurso de sólo dos días.

"En esa ventana de 48 horas, necesitábamos todo el poder de procesamiento que pudiéramos obtener", explicó Biros.

El proceso de procesamiento, análisis y predicción de imágenes que Biros y su equipo utiliza tiene dos pasos principales: un paso de aprendizaje supervisado donde el ordenador crea un mapa de probabilidad para las clases objetivo ("tumor entero", "edema", "núcleo tumoral"). ; y un segundo paso donde combinan estas probabilidades con un modelo biofísico que representa cómo los tumores crecen en términos matemáticos, lo que impone límites a los análisis y ayuda a encontrar correlaciones.

Los recursos informáticos de TACC permitieron al equipo de Biros usar clasificadores de vecinos más cercanos a gran escala (un método de aprendizaje automático). Para cada vóxel, o píxel tridimensional, en una imagen de cerebro MR, el sistema trata de encontrar todos los voxels similares en los cerebros que ya ha visto para determinar si el área representa un tumor o un tumor no.

Con 1,5 millones de voxels por cerebro y 300 cerebros para evaluar, eso significa que la computadora debe mirar medio billón de voxels por cada nuevo voxel de los 140 cerebros desconocidos que analiza, decidiendo para cada uno si el voxel representa un tumor o tejido sano.

"Utilizamos algoritmos rápidos y aproximaciones para hacer esto posible, pero todavía necesitábamos superordenadores", dijo Biros.

Cada uno de los varios pasos en la tubería de análisis utilizó sistemas de computación TACC separados. El componente de clasificación de aprendizaje de máquina de vecino más cercano utilizó simultáneamente 60 nodos (cada uno de ellos compuesto de 68 procesadores) en Stampede2, el último superordenador de TACC y uno de los sistemas más potentes del mundo. (Biros fue uno de los primeros investigadores en obtener acceso al superordenador Stampede2 en la primavera y fue capaz de probar y ajustar su algoritmo para los nuevos procesadores allí). Utilizaron Lonestar 5 para ejecutar los modelos biofísicos y Maverick para combinar las segmentaciones.

La mayoría de los equipos tenían que limitar la cantidad de datos de entrenamiento que utilizaban o aplicar algoritmos de clasificación más simplificados en todo el conjunto de entrenamiento, pero el acceso prioritario al ecosistema de los supercomputadores de TACC significaba que el equipo de Biros podría explorar métodos más complejos.

"George vino a nosotros antes del Desafío de BRATS y preguntó si podían obtener acceso prioritario a Stampede2, Lonestar5 y Maverick para asegurarse de que sus trabajos llegaron a tiempo para completar el reto", dijo Bill Barth, Director de Informática de Alto Rendimiento de TACC. "Decidimos que simplemente aumentar su prioridad probablemente no lo reduciría, así que decidimos hacerles una reserva en cada sistema para cubrir sus necesidades durante las 48 horas del desafío".

Como resultado, Biros y su equipo fueron capaces de ejecutar su pipeline de análisis en 140 cerebros en menos de 4 horas y correctamente caracterizado los datos de las pruebas con casi el 90 por ciento de precisión, con es comparable a los radiólogos humanos.

Su método es totalmente automático, dijo Biros, y sólo necesitaba un pequeño número de parámetros algorítmicos iniciales para evaluar los datos de la imagen y clasificar los tumores sin ningún esfuerzo práctico.

Integración de diversas investigaciones

El sistema escalable de análisis de imágenes basado en la biofísica fue la culminación de 10 años de investigación en una variedad de problemas computacionales, según Biros.

"En nuestro grupo y en nuestros grupos de colaboradores, tenemos múltiples hilos de investigación sobre análisis de imágenes, aprendizaje escalable de máquinas y algoritmos numéricos", explicó. "Pero esta fue la primera vez que juntamos todo para una aplicación para que nuestro método funcione para un problema realmente difícil, no es fácil, pero es muy satisfactorio".

La competencia de BRATS representa así un punto de inflexión en su investigación, dijo Biros.

"Tenemos todas las herramientas e ideas básicas, ahora lo pulimos y vemos cómo podemos mejorarlo".

El clasificador de segmentación de imágenes se establecerá para ser desplegado en la Universidad de Pensilvania a finales de año en colaboración con su colaborador, Christos Davatzikos, director del Centro de Imagen de Computación y Análisis Biomédico y un profesor de Radiología allí. No será un sustituto para radiólogos y cirujanos, sino que mejorará la reproducibilidad de las evaluaciones y acelerará potencialmente los diagnósticos.

Los métodos que desarrolló el equipo van más allá de la identificación del tumor cerebral. Son aplicables a muchos problemas en medicina así como en física, incluyendo diseño del semiconductor y dinámica del plasma.

Biros dijo: "Tener acceso a los supercomputadores TACC hace nuestra vida infinitamente más fácil, nos hace más productivos y es una verdadera ventaja".


http://www.datoanuncios.org/

algunos tumores cerebrales incurables podrían ser dirigidos
tumores cerebrales infantiles incurables se dividen en 10 nuevas enfermedades
el crecimiento del tumor cerebral se detuvo
El crecimiento del cáncer cerebral detenido por la ausencia de proteínas
remisión en tumor del sistema nervioso central
Remisión completa de metástasis cerebrales de tumor de difícil tratamiento
vínculos entre tumores cerebrales y convulsiones epilépticas
Vínculos vitales entre los tumores cerebrales y las crisis epilépticas
el fármaco de la malaria trata con éxito el cáncer de cerebro
El fármaco contra la malaria trata exitosamente a paciente con cáncer de cerebro
las drogas sistémicas contra la quimioterapia directa al cerebro
La quimioterapia directa al cerebro mejor que los fármacos sistémicos
candidato de droga atractivo identificado para los tumores cerebrales
Candidato a fármaco atractivo identificado para atacar los tumores cerebrales
la respuesta terapéutica en las células tumorales cerebrales
El glioblastoma del tumor cerebral es difícil de tratar y tiene muy mal pronósti
cómo las células cancerosas prosperan dentro del cerebro
genes que permiten que las células cancerosas prosperen al migrar dentro del cer

Ver todo el listado de Noticias del Tumor Cerebral




Publicar Gratis solo Novedades de Salud y Medicina | Categorías | Lugares de Chile

La información que aquí se pasa a lo mejor de mi conocimiento. Están destinadas exclusivamente a los interesados y para la formación continua y de ninguna manera pretende ser una instrucciones de diagnóstico o terapéuticos. No aceptamos ninguna responsabilidad por cualquier daño que surja directa o indirectamente del uso de la información. En caso de sospecha de enfermedad, consulte a su médico o profesional de la salud


ventas de aceite de argan en Chile/ bolsa de trabajo/EducaciónTurismo/Artesania /Mineria/El mundo Árabe/Insumos generales/ insumos gastronomicos Austriacos/Salud, Oestreich/Ofertas de trabajo,Austria Ofertas de vuelos/Guia de restaurantes/Bohemia en Santiago/ Guia turistico