Segmentación mediante Inteligencia Artificial para la detección de lesiones por trauma craneoencefálico cerrado a través de imágenes por resonancia magnética

Vista sencilla de ítem
dc.contributor.advisorChaves Sanchez, Deisy
dc.contributor.advisorTrujillo Uribe, Maria Patricia
dc.contributor.advisorHerrera Trujillo, Alejandro
dc.contributor.advisorAmador Rodríguez, Pedro Alejandro
dc.contributor.authorCastaño Ledesma, Jenifer
dc.date.accessioned2026-03-06T13:49:51Z
dc.date.available2026-03-06T13:49:51Z
dc.date.issued2025
dc.description.abstractEn este trabajo de grado se propone una estrategia para la segmentación automática de lesiones asociadas al TCEC en IRM ponderadas en T1. Para ello, se estableció un preprocesamiento que incluye la remoción del cráneo, la alineación de las imágenes a una plantilla de referencia estándar, el recorte basado en la región de interés, la normalización y el remuestreo. Asimismo, se evaluaron diferentes métodos de normalización con el fin de analizar su efecto en el desempeño del modelo. Posteriormente, se entrenaron y evaluaron dos modelos basados en la arquitectura U-Net: nnU-Net y 3D U-Net. Además, se realizó un experimento con nnU-Net para evaluar el desempeño utilizando aprendizaje por transferencia. El rendimiento de ambos se midió usando métricas como el Coeficiente de Dice e Intersección sobre la Unión. Los resultados muestran que el modelo nnU-Net junto con el método de normalización KDE obtuvo el mejor desempeño y que el aprendizaje por transferencia permitió mejorar significativamente las métricas de evaluación. Finalmente, se implementó un framework que integra todo el proceso de segmentación, proporcionando una herramienta para apoyar la práctica clínica y futuras investigaciones relacionadas con el TCEC.spa
dc.description.degreelevelPregradospa
dc.description.degreenameINGENIERO(A) DE SISTEMASspa
dc.format.extent1 recurso en línea (76 páginas)
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://hdl.handle.net/10893/39426
dc.language.isospa
dc.publisherUniversidad del Vallespa
dc.publisher.branchSede Tuluá
dc.publisher.facultyFACULTAD DE INGENIERÍAspa
dc.publisher.placeColombiaspa
dc.publisher.programINGENIERIA DE SISTEMASspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.subject.lembInteligencia Artificial
dc.subject.lembVisión por computador
dc.subject.lembSegmentación de imágenes médicas
dc.subject.lembAprendizaje automático
dc.titleSegmentación mediante Inteligencia Artificial para la detección de lesiones por trauma craneoencefálico cerrado a través de imágenes por resonancia magnéticaspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
3743 C346di.pdf
Tamaño:
5.84 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
Publicación digital.pdf
Tamaño:
220.33 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
15.18 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería de Sistemas