1. RIUdeG
  2. Tesis
  3. Maestría
  4. CUCEI
Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/106902
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorMendoza Camacho, Érika Betzabé
dc.date.accessioned2025-05-02T20:42:18Z-
dc.date.available2025-05-02T20:42:18Z-
dc.date.issued2025-02-26
dc.identifier.urihttps://wdg.biblio.udg.mx
dc.identifier.urihttps://hdl.handle.net/20.500.12104/106902-
dc.description.abstractEl presente trabajo se centra en el desarrollo de un sistema automatizado para la detección, segmentación y caracterización de aneurismas cerebrales mediante el análisis de imágenes angiográficas. Las enfermedades neurovasculares, como los aneurismas cerebrales, representan un importante desafío clínico debido a su potencial para causar complicaciones graves, incluyendo hemorragias subaracnoideas y déficits neurológicos permanentes. Tradicionalmente, la evaluación y diagnóstico de estas condiciones se han basado en el análisis manual de imágenes médicas, un proceso que, además de ser laborioso, está sujeto a errores derivados de la complejidad de las estructuras vasculares. En este contexto, el presente estudio propone un enfoque innovador que combina técnicas avanzadas de procesamiento digital de imágenes con métricas geométricas para automatizar la detección y segmentación de aneurismas cerebrales. La metodología desarrollada comprende cuatro etapas principales: la definición de rutas de exploración mediante la obtención y etiquetado del esqueleto de los vasos; la implementación de un sistema de seguimiento que calcula diámetros para identificar deformaciones; el análisis de los diámetros para detectar y segmentar anomalías; y la caracterización detallada de las estructuras identificadas, tanto en dos como en tres dimensiones. Este enfoque permite no solo detectar aneurismas, sino también describir su morfología y tamaño de manera precisa y eficiente. El sistema desarrollado fue validado mediante simulaciones en 2D y 3D que replican características vasculares reales, así como pruebas en imágenes clínicas. Los resultados mostraron que el método es capaz de identificar aneurismas con alta precisión, diferenciando estructuras normales de anomalías. Este avance promete reducir la carga manual de los especialistas, mejorar la consistencia del diagnóstico y optimizar la planificación de tratamientos endovasculares, facilitando el acceso a herramientas eficientes en entornos clínicos con recursos limitados.
dc.description.tableofcontentsÍndice general Dedicatorias .................................................... III Agradecimientos .............................................. V Resumen ......................................................... VII 1. Introducción ............................................................................. 1 1.1 Enfermedades neurovasculares ............................................ 2 1.1.1 Introducción a los aneurismas cerebrales ...................... 2 1.2 Planteamiento del problema ............................................. 4 1.3 Justificación .................................................................... 4 1.4 Hipótesis ............................................................................ 5 1.5 Objetivos .......................................................................... 6 1.5.1 Objetivo general .......................................................... 6 1.5.2 Objetivos particulares .................................................. 6 2. Marco teórico ......................................................................... 7 2.1 Antecedentes clínicos ...................................................... 8 2.1.1 Aneurismas cerebrales o intracraneales .................... 8 2.1.2 Factores genéticos ....................................................... 8 2.1.3 Factores de riesgo ...................................................... 9 2.1.4 Epidemiología ............................................................. 9 2.1.5 Patogénesis .................................................................. 11 2.1.6 Manifestaciones clínicas ........................................... 12 2.1.7 Diagnóstico ................................................................. 12 2.1.8 Tratamiento ................................................................. 12 2.2 Antecedentes técnicos .................................................... 13 2.2.1 Procesamiento digital de imágenes ........................ 13 2.2.2 Binarización .................................................................. 13 2.2.3 Segmentación ............................................................. 14 2.2.4 Skeleton ....................................................................... 14 2.2.5 Circularidad y esfericidad ......................................... 14 2.2.6 Métricas de evaluación en procesamiento de imágenes médicas ............................................................. 15 2.3 Estado del arte ................................................................. 16 3. Metodología .......................................................................... 23 3.1 Definición de rutas de exploración ............................... 24 3.1.1 Extracción y etiquetado del esqueleto .................... 24 3.2 Implementación del sistema de seguimiento ............. 25 3.2.1 Medición de distancias perpendiculares en 2D ..... 25 3.2.2 Medición de distancias perpendiculares en 3D ..... 27 3.3 Análisis de diámetros .................................................. 29 3.3.1 Segmentación en imágenes 2D ............................... 29 3.3.2 Segmentación en imágenes 3D ............................... 30 3.3.3 Segmentación en angio-TC .................................... 32 3.4 Caracterización de objetos .......................................... 33 4. Resultados experimentales .......................................... 35 4.1 Diseño experimental y configuración de la simulación ............................................................. 36 4.1.1 Simulaciones 2D de vasos sanguíneos con aneurismas ........................................................... 36 4.1.2 Simulaciones 3D de vasos sanguíneos con aneurismas ........................................................... 36 4.1.3 Validación con imágenes clínicas ........................... 37 4.2 Definición de rutas de exploración ............................... 38 4.2.1 Obtención del skeleton ............................................ 38 4.2.2 Etiquetado del skeleton ............................................ 38 4.3 Implementación del sistema de seguimiento ............. 39 4.3.1 Mediciones de diámetros ......................................... 39 4.4 Análisis de diámetros .................................................. 40 4.5 Detección ........................................................................... 42 4.6 Segmentación ................................................................. 43 4.7 Caracterización ............................................................. 44 4.8 Evaluación del algoritmo ............................................. 45 5. Discusión y conclusiones ................................................ 49 5.1 Discusión ............................................................................ 49 5.2 Conclusiones ...................................................................... 51 5.2.1 Limitaciones del estudio .......................................... 52 5.2.2 Trabajos futuros ......................................................... 52
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://www.riudg.udg.mx/info/politicas.jsp
dc.subjectDeteccion Automatica
dc.subjectSegmentacion
dc.subjectAneurismas
dc.subjectVision Computacional
dc.titleSegmentación de vasos sanguíneos en angiografía TC y detección automática de sus deformaciones
dc.typeTesis de Maestría
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderMendoza Camacho, Érika Betzabé
dc.coverageGUADALAJARA, JALISCO
dc.type.conacytmasterThesis
dc.degree.nameMAESTRIA EN CIENCIAS EN BIOINGENIERIA Y COMPUTO INTELIGENTE
dc.degree.departmentCUCEI
dc.degree.grantorUniversidad de Guadalajara
dc.rights.accessopenAccess
dc.degree.creatorMAESTRIA EN CIENCIAS EN BIOINGENIERO EN Y COMPUTO INTELIGENTE
dc.contributor.directorAlvarez Padilla, Francisco Javier
dc.contributor.codirectorNeri Alonso, José Raúl
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI11212FT.pdf10.54 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.