Biomedicina
Bioingeniería
- Video:Los diagnósticos complementarios basados en biomarcadores permiten la oncología de precisión
- Fuente:YouTube
Medinoid: Computer-Aided Diagnosis and Localization of Glaucoma Using Deep Learning
Medinoid: Diagnostico asistido por computador y localización de glaucoma a través de Deep Learning
Este documento propone una alternativa para el diagnóstico y localización del glaucoma a través del análisis de imágenes de fondo por medio de técnicas de deep learning de última generación; refiriéndose específicamente al uso de redes neuronales convolucionales (CNN) para el diagnóstico y Grad-Cam (Gradient-weighted Class Activation Mapping) para localización. Los resultados muestran que el modelo predictivo más efectivo tiene un 96% de precisión y de sensibilidad y 100% de especificidad. Adicionalmente, los autores presentan un nuevo aplicativo web llamado Medinoid para diagnóstico y localización asistido por computador el cual integra el modelo predictivo más efectivo.
Este artículo fue desarrollado por Mijung Kim (Ghent University, Gent, Belgium), Jong Chul Han (Samsung Medical Center, Seoul, Korea), Seung Hyup Hyun (Sungkyunkwan University School of Medicine, Seoul, Korea), Olivier Janssens, Sofie Van Hoecke Changwon Kee y Wesley De Neve (Ghent University, Gent, Belgium) para Applied Sciences (vol. 9, núm. 15, p. 3064, 2019), revista que aborda todos los aspectos relacionados con las ciencias naturales aplicadas. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
Live-imaging of Bioengineered Cartilage Tissue using Multimodal Non-linear Molecular Imaging
Imágenes en tiempo real de tejido de cartílago modificado por medio de imágenes multimodales moleculares no lineales
Este estudio tiene como objetivo demostrar la capacidad de la técnica de microscopía CARS para reproducir imágenes de moléculas relevantes como proteínas y glucosaminoglucanos a partir de tejido cartilaginoso modificado con bioingeniería. Este trabajo hace una extrapolación del potencial de las técnicas de imagen multimodales y sin marcación para su aplicación en biomedicina, específicamente en relación a terapia celular, investigación en regeneración esquelética e ingeniería tisular. Los resultados permiten concluir que la técnica de imagen no lineal y sin marcación no ejerce alteraciones tanto en el fenotipo como en la expresión génica en los diferentes estados de diferenciación y no presenta efectos adversos sobre el crecimiento ni el comportamiento de las células esqueléticas. En este sentido, las técnicas de imagen CARS y SHG son adecuadas para diversos campos en biomedicina.
Este artículo fue preparado por Catarina Costa Moura, Konstantinos N. Bourdakos, Rahul S. Tare, Richard O. C. Oreffo y Sumeet Mahajan (University of Southampton, Southampton, UK) para Scientific Reports (vol. 9, núm. 5561, 2019), revista de acceso abierto enfocada principalmente en investigaciones sobre ciencias naturales y clinicas, una publicación de Nature. Correo de contacto: [email protected].
