GRIAL resources
Permanent URI for this communityhttps://repositorio.grial.eu/handle/123456789/1
Browse
2 results
Search Results
Item AI-Powered DICOM Image Segmentation: A Collaborative Platform for Continuous Expert Feedback(Springer, 2026-03-01) Santos-Blázquez, Pablo; Vázquez-Ingelmo, Andrea; García-Holgado, Alicia; García-Peñalvo, Francisco José; Sánchez-Puente, Antonio; Sánchez, P. L.his work presents the development of an interactive web platform that integrates deep learning techniques for the segmentation of cardiac ultra-sound (echocardiogram) images. The platform incorporates a Picture Archiving and Communication System (PACS) to facilitate the seamless visualization, anno-tation, and automated processing of DICOM images. The web platform features an intuitive interface that allows healthcare professionals to interactively annotate medical images, providing feedback that directly informs model improvements. The system’s retraining workflow ensures that AI-driven segmentation remains adaptable to real-world clinical needs. These findings underscore the importance of iterative AI model refinement through expert feedback, paving the way for more reliable and personalized medical image analysis.Item Aplicación para la recepción, almacenamiento y gestión de imágenes DICOM en el sector sanitario(Grupo GRIAL, 2023-01-24) Fraile Sanchón, R.DICOM significa “Imágenes Digitales y Comunicaciones en Medicina” y fue desarrollado conjuntamente por la Asociación Nacional de Fabricante (NEMA) y el Colegio Americano de Radiología (ACR) para permitir la interoperabilidad entre equipos de imágenes con otros dispositivos. Este estándar es responsable de gobernar tanto el formato de imagen como los diversos protocolos de red necesarios para la transmisión de información de imágenes generadas durante las muchas “modalidades” de imágenes relacionadas con la atención médica, tales como resonancia magnética, medicina nuclear, tomografía computarizada y ultrasonidos. Por lo tanto, el estándar DICOM existe de una forma u otra desde 1983 y continúa evolucionando cada año. En el marco del manejo y gestión de imágenes DICOM, este proyecto consiste en la ampliación de una aplicación ya existente como es KoopaML, aplicación web enmarcada en el contexto del Departamento de Cardiología del Hospital Universitario de Salamanca, cuyo objetivo es permitir que sus usuarios puedan entrenar sus propios modelos, analizar sus datos y realizar tareas sobre ellos sin la necesidad de tener conocimientos de programación. A esta herramienta se le suma la existencia de Cartier IA, plataforma de almacenamiento y visualización de datos e imágenes médicas usada también en el Departamento de Cardiología. Esta ampliación se basa en la recepción, almacenamiento y gestión de imágenes DICOM en KoopaML. La recepción y almacenamiento se realiza a través de la transmisión de estos archivos a través de otros PACS (Sistema de Archivo y Comunicación de Imágenes) como puede ser Cartier IA, de esta manera se evita que los usuarios de ambos sistemas tengan que realizar unas acciones en un sistema y otras en el otro y así ahorrar tiempo. En cuanto a la gestión de estas imágenes, se les pueden aplicar algoritmos de Inteligencia Artificial a éstas y, modificarlas utilizando diferentes herramientas de edición para medir, anotar, recortar, acercar, desplazar y segmentar entre otras.