La tomografía aprende a «completar» lo que falta ✎ exprés

Original: "FORCE-Interior: A Poisson Flow Generative Prior for Interior Tomography Reconstruction"
arXiv:2607.14320 · 2026-07-15 · arXiv non-exclusive · análisis propio · 1 min
Un nuevo método reconstruye imágenes de TC con precisión incluso cuando faltan muchos datos.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

Normalmente, un escáner de TC toma muchas radiografías desde distintos ángulos y arma una imagen tridimensional. Pero a veces los médicos solo escanean una zona pequeña —por ejemplo, un solo pulmón— y los datos se interrumpen. Es como un cocinero al que le dan a probar una cucharada de sopa y le piden que nombre la receta exacta de toda la olla.

El nuevo algoritmo resuelve este problema de otra manera: no inventa lo que falta, sino que actúa como un chef que comienza con una receta aproximada, añade ingredientes, prueba, compara con el sabor de referencia de aquella cucharada y repite muchas veces hasta lograr una coincidencia. A diferencia de los enfoques antiguos, donde los bordes se «desdibujaban» y las redes neuronales dibujaban detalles verosímiles pero falsos, este método preserva la nitidez y se aferra estrictamente a las mediciones reales.

Sorprendentemente, el algoritmo funciona incluso cuando solo se dispone del 10% del escaneo completo. A futuro, esto permitirá reducir la dosis de radiación —en lugar de cientos de ángulos bastará una decena— y los diagnósticos serán más seguros.

El primer escáner de TC comercial apareció en 1971 y hacía una imagen de la cabeza en varios minutos; hoy los equipos son cientos de veces más rápidos.

Los escáneres médicos de «Star Trek» ven instantáneamente todo el cuerpo; el nuevo método nos acerca a ese sueño, incluso cuando solo se dispone de una pequeña fracción de información.

Científicos
Ludwig BoltzmannWilliam BoruckiClaude Shannon
Conceptos
reconstrucción de imagen tomografía computarizada