Desarrollo de una herramienta para la automatización de puntos craneometricos en volumetría craneofacial : un estudio piloto
| dc.contributor.advisor | Aristizabal, Juan Fernando | |
| dc.contributor.author | Ortiz Zambrano, Marly Yanet | |
| dc.date.accessioned | 2025-07-28T17:51:58Z | |
| dc.date.available | 2025-07-28T17:51:58Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | Localizar manualmente los puntos de referencia craneométricos es un proceso lento, que requiere mucho tiempo y es propenso a errores. Usando la inteligencia artificial (IA), el aprendizaje automático, y la técnica de registro de imágenes es posible obtener la automatización de puntos de referencia en la volumetría 3D. Objetivo: Desarrollar una herramienta para la automatización de puntos craneométricos a partir del registro de imágenes proporcionadas por la tomografía computarizada cone beam. Método del estudio: Estudio piloto que parte del registro de imágenes DICOM de un conjunto de tomografías computarizadas cone beam (CBCT) llevadas a un proceso de transformación para la creación de un template y posterior identificación y ubicación automática de puntos craneométricos. Resultados: Para evaluar la concordancia entre el método manual y el automatizado, se utilizó el coeficiente de correlación intraclase (CCI). El CCI para la coordenada X fue alto, mostrando una excelente concordancia en la mayoría de los puntos. El CCI para la coordenada Y fue muy similar a la coordenada X, con valores de CCI altos. La coordenada Z muestra valores altos de concordancia, aunque algunos puntos presentaron valores de CCI muy bajos como fosa izquierda, canino superior izquierdo, infraorbitario izquierdo, condilium derecho e izquierdo, y base mandibular derecha e izquierda, lo que sugiere alta variabilidad en la automatización para esta cordenada. Conclusiones: En este estudio piloto, se logro desarrollar el modelo inicial para la automatización de puntos craneométricos en volumetria 3D. La mayoría de puntos craneométricos mostraron una excelente concordancia entre las coordenadas X y Y registradas de forma manual y automatizada en el modelo. Respecto a la coordenada Z, aunque mostró alta concordancia en varios puntos, algunos de ellos mostraron valores muy bajos de concordancia. Lo que sugiere la necesidad de aplicar un ajuste o refinamiento al modelo, optimizando la alineación y correspondencia para mejorar la concordancia de esos puntos en la coordenada Z. | spa |
| dc.description.degreelevel | Especialización | spa |
| dc.description.degreename | ESPECIALISTA EN ORTODONCIA | spa |
| dc.format.extent | 1 recurso en línea (31 páginas) | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | https://hdl.handle.net/10893/35896 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad del Valle | spa |
| dc.publisher.branch | Sede Cali | |
| dc.publisher.faculty | FACULTAD DE SALUD | spa |
| dc.publisher.place | Colombia | spa |
| dc.publisher.program | ESPECIALIZACIÓN EN ORTODONCIA | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | spa |
| dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | spa |
| dc.subject.lemb | Ortodoncia | |
| dc.subject.lemb | Tomografía computarizada | |
| dc.subject.lemb | Algoritmos | |
| dc.subject.lemb | Aprendizaje automático | |
| dc.subject.lemb | Inteligencia artificial | |
| dc.title | Desarrollo de una herramienta para la automatización de puntos craneometricos en volumetría craneofacial : un estudio piloto | spa |
| dc.type | Trabajo de grado - Especialización | spa |
| dc.type.coarversion | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
| dc.type.content | Text | |
| dc.type.driver | info:eu-repo/semantics/other | |
| dc.type.redcol | http://purl.org/redcol/resource_type/WP | |
| dc.type.version | info:eu-repo/semantics/publishedVersion | spa |
| dspace.entity.type | Publication | |
| person.identifier.orcid | 0000-0003-4391-7188 | |
| relation.isDirectorOfPublication | 95dc1077-e59d-4333-822d-020ea3de0411 | |
| relation.isDirectorOfPublication.latestForDiscovery | 95dc1077-e59d-4333-822d-020ea3de0411 |