Segmentación automática con técnicas de aprendizaje profundo de imágenes de ultrasonido para detectar estructuras nerviosas
Loading...
Date
2025
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
La ecografía es una herramienta esencial en la anestesia regional para identificar estructuras como el nervio del plexo braquial; sin embargo, el bajo contraste, el ruido y la variabilidad dificulta su localización precisa. Este estudio propone un método de segmentación automática basado en aprendizaje profundo, utilizando un conjunto de datos y aplicando el algoritmo CLAHE para mejorar el contraste de las imágenes, además de depurar aquellas sin región de interés. Se entrenaron las arquitecturas U-Net, U-Net++ y FPN con y sin preprocesamiento, evaluando su desempeño mediante Dice e IoU. Los resultados evidencian que U-Net obtuvo el mejor rendimiento en ambos escenarios, alcanzando un Dice de 0.6704 e IoU de 0.5042 con preprocesamiento, y manteniendo desempeño superior sin él. La comparación visual confirma que U-Net produce segmentaciones más definidas y anatómicamente coherentes. Estos hallazgos destacan la importancia del preprocesamiento y consolidan a U-Net como una arquitectura robusta para la segmentación automática del plexo braquial en imágenes de ultrasonido, con potencial para apoyar procedimientos de anestesia regional.