proyecto final de grado.page.titleprefix Segmentación automática de vértebras en imágenes de tomografía computada
| dc.contributor.advisor | Balla, Mateo | |
| dc.contributor.author | Cirignoli, Camila | |
| dc.contributor.author | Labrador, María Lourdes | |
| dc.date.accessioned | 2025-03-11T17:01:08Z | |
| dc.date.available | 2025-03-11T17:01:08Z | |
| dc.date.issued | 2024-09 | |
| dc.description.abstract | El cáncer se posiciona como una de las principales causas de mortalidad a nivel global, siendo la metástasis ósea una complicación frecuente en numerosos pacientes. Las metástasis vertebrales (MV), en particular, pueden comprometer la estabilidad de la columna y provocar problemas neurológicos, requiriendo de intervención quirúrgica. La detección y cuantificación precisa de MV son aspectos fundamentales en el diagnóstico y tratamiento de pacientes con cáncer. Sin embargo, los oncólogos que no están especializados en MV pueden no reconocer estos problemas, lo que puede derivar en tratamientos inadecuados. La segmentación automatizada de vértebras en imágenes de TC ofrece un enfoque prometedor para mejorar estos procesos. Este proyecto de fin de carrera tiene como objetivo principal el desarrollo de un algoritmo de aprendizaje profundo (Deep Learning, o DL por sus siglas en inglés) para la segmentación automática de vértebras en imágenes de tomografía computada (TC). Se focaliza en el diseño y desarrollo de una red neuronal convolucional, o convolutional neural network en inglés (CNN), con arquitectura U-Net, capaz de segmentar automáticamente las vértebras en imágenes axiales de TC. De esta manera se pueden obtener imágenes binarias de las vértebras en un plano axial correspondientes a cada estudio. Se emplearon conjuntos de datos etiquetados previamente para entrenar y evaluar diversas variaciones de la arquitectura de la CNN, seleccionando el modelo con mejor rendimiento. Los resultados muestran que el modelo desarrollado alcanza una alta precisión en la segmentación vertebral, con un coeficiente medio de Dice de 0.88 para los datos de prueba. Este resultado es satisfactorio para la detección de vértebras y, con las mejoras adecuadas, podría representar un paso significativo para el avance hacia la automatización de la detección temprana de MV y la optimización de los recursos clínicos para una mejor asignación de tratamientos y procedimientos quirúrgicos. En conclusión, este trabajo presenta un método basado en CNN que permite la segmentación automatizada de vértebras en imágenes de TC, con potenciales aplicaciones en el diagnóstico y tratamiento de MV. La mejora continua de este algoritmo podría tener un impacto significativo en la práctica clínica y en la calidad de vida de los pacientes afectados por enfermedades vertebrales. | |
| dc.identifier.uri | https://ri.itba.edu.ar/handle/123456789/4864 | |
| dc.language.iso | es | |
| dc.subject | CÁNCER | |
| dc.subject | METÁSTASIS VERTEBRALES | |
| dc.subject | METÁSTASIS ÓSEAS | |
| dc.subject | DIAGNÓSTICO POR IMÁGENES | |
| dc.subject | ONCOLOGÍA | |
| dc.subject | APRENDIZAJE PROFUNDO | |
| dc.subject | MEDICINA | |
| dc.subject | INTELIGENCIA ARTIFICIAL | |
| dc.subject | SALUD | |
| dc.subject | DEEP LEARNING | |
| dc.title | Segmentación automática de vértebras en imágenes de tomografía computada | |
| dc.type | Proyecto final de Grado | |
| dspace.entity.type | Proyecto final de Grado | |
| itba.description.filiation | Fil: Cirignoli, Camila. Instituto Tecnológico de Buenos Aires, Argentina. | |
| itba.description.filiation | Fil: Labrador, María Lourdes. Instituto Tecnológico de Buenos Aires, Argentina. |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Proyecto Final de Carrera Bioingenieria - Cirignoli, Labrador (1).pdf
- Size:
- 5.61 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: