Modelo de clasificación de planos cerebrales en ecografías prenatales utilizando aprendizaje de máquina profundo

Simple item page
dc.contributor.advisorTorres Valencia, Cristian Alejandro
dc.contributor.advisorPalta, Felipe
dc.contributor.authorAguado Valderrama, Juan José
dc.contributor.authorRodríguez López, Luis Alfredo
dc.date.accessioned2025-02-26T17:03:09Z
dc.date.available2025-02-26T17:03:09Z
dc.date.issued2025
dc.description.abstractLas Ecografías Craneales Prenatales (ECP) desempeñan un papel crucial en el monitoreo del desarrollo fetal. No obstante, la evaluación de imágenes de ECP entre las semanas 18 a 40 del embarazo enfrenta grandes retos debido a la falta de herramientas automatizadas para su clasificación. Actualmente, el diagnóstico depende en gran medida de la interpretación de especialistas, lo que implica largas horas de clasificación manual para análisis más profundos y el almacenamiento de la información. Esta situación se ve agravada en áreas con recursos limitados, donde la escasez de profesionales capacitados y equipos de alta calidad puede comprometer la precisión y accesibilidad de las evaluaciones. La automatización de la clasificación de imágenes ECP podría aliviar la carga de trabajo de los especialistas y mejorar la eficiencia en los análisis. Este estudio propone desarrollar una herramienta basada en aprendizaje profundo para clasificar los distintos planos del cerebro (transventricular, transtalámico y transcerebeloso) en imágenes de ECP. La metodología incluye el preprocesamiento de imágenes, segmentación y clasificación mediante redes neuronales convolucionales. Además, se evaluará el rendimiento del modelo utilizando métricas como precisión, exactitud, sensibilidad y puntuación F1, con validación por profesionales de la salud.
dc.description.abstractengPrenatal Cranial Ultrasounds (PCEs) play a crucial role in monitoring fetal development. However, the evaluation of DBS images between weeks 18 and 40 of pregnancy faces great challenges due to the lack of automated tools for their classification. Currently, diagnosis relies heavily on interpretation by specialists, which involves long hours of manual classification for deeper analysis and storage of information. This situation is exacerbated in resource-limited areas, where a shortage of trained professionals and high-quality equipment can compromise the accuracy and accessibility of assessments. Automating DBS image classification could alleviate the workload of specialists and improve analysis efficiency. This study proposes to develop a deep learning-based tool to classify the different planes of the brain (transventricular, transthalamic and transcerebellar) in DBS images. The methodology includes image preprocessing, segmentation and classification using convolutional neural networks. Additionally, the performance of the model will be evaluated using metrics such as precision, accuracy, sensitivity and F1 score, with validation by healthcare professionals.
dc.format.extent75 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/4547
dc.language.isospa
dc.publisherPontificia Universidad Javariana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectEcografía craneal prenatal
dc.subjectAprendizaje profundo
dc.subjectClasificación de planos cerebrales
dc.subjectProcesamiento de imágenes médicas
dc.subjectAutomatización en salud
dc.subjectPrenatal cranial ultrasound
dc.subjectDeep learning
dc.subjectBrain plane classification
dc.subjectMedical image processing
dc.subjectHealthcare automation
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Ingeniería de Sistemas y Computación
dc.thesis.grantorPontificia Universidad Javeriana
dc.thesis.levelPregrado
dc.thesis.nameIngeniero(a)de Sistemas y Computación
dc.titleModelo de clasificación de planos cerebrales en ecografías prenatales utilizando aprendizaje de máquina profundospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dc.type.redcolhttps://purl.org/redcol/resource_type/TP
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Clasificacion_planos_cerebrales.pdf
Size:
6.27 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia_autorizacion. pdf
Size:
181.7 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas y Computación