Implementación de un flujo de trabajo para la evaluación de segmentación de imágenes de tomografía de abdomen en población SURA

RESUMEN : La segmentación en imágenes médicas es fundamental en la radiología y la evaluación de enfermedades. Esta técnica se utiliza para identificar y delinear estructuras anatómicas de interés en imágenes médicas, como tomografías computarizadas (TC) y resonancias magnéticas (RM). Uno de los análisis más comunes realizados con la segmentación es el cálculo del volumen de órganos específicos. Esta medición es esencial en una amplia variedad de evaluaciones clínicas, como la detección temprana de tumores, el seguimiento de la progresión de enfermedades crónicas como la esclerosis múltiple o la evaluación de la respuesta al tratamiento. La capacidad de cuantificar el volumen de órganos con precisión a partir de imágenes médicas ha revolucionado la práctica clínica y ha brindado a los profesionales de la salud una herramienta invaluable para el diagnóstico y el monitoreo de condiciones médicas, es así como la volumetría a partir de segmentación de imágenes e IA es un campo en rápido desarrollo que tiene el potencial de revolucionar la práctica clínica puesto que permite automatizar el proceso de segmentación, lo que puede mejorar la precisión y la eficiencia. Además, la IA permite utilizar imágenes de alta resolución, lo que puede proporcionar mediciones de volumen más precisas. En la búsqueda de un modelo normativo para el volumen de órganos abdominales a partir de imágenes de tomografía computarizada (TC), se plantea la necesidad de establecer criterios precisos que permitan a los profesionales de la salud evaluar su tamaño confiable. Es allí donde la segmentación de imágenes desempeña un papel crítico en aplicaciones médicas, ya que los resultados obtenidos son fundamentales para el diagnóstico y tratamiento adecuados de algunas patologías. Esta detección permitirá identificar errores que puedan surgir durante la segmentación de los órganos, entendiendo que la aplicación efectiva de este control de calidad no solo mejorará la precisión del modelo normativo, sino que contribuirá a la reducción de diagnósticos incorrectos y mejorará la toma de decisiones terapéuticas. Por lo cual se buscó implementar un flujo de trabajo que permita evaluar la calidad de la segmentación de imágenes de tomografía abdominal en la población SURA, precisamente por la necesidad de establecer criterios rigurosos y confiables al evaluar el volumen de órganos abdominales para que se realice de manera inequívoca, considerando que pueda implementarse en el ámbito médico, como herramienta crucial en futuros diagnósticos y tratamientos de patologías.

• Autores: Velez Giraldo, Jhonatan Andres
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/40483
• Acceso en línea: https://hdl.handle.net/10495/40483
• Palabra clave: Volumetría; Titrimetry; Tomografía; Tomography; Control de Calidad; Quality Control; Automatización; Automation; Procesamiento de Imagen Asistido por Computador; Image Processing, Computer-Assisted; Control de calidad; Quality control; Automatización; Automation; Segmentación; http://aims.fao.org/aos/agrovoc/c_6401; http://aims.fao.org/aos/agrovoc/c_15855; https://id.nlm.nih.gov/mesh/D017186; https://id.nlm.nih.gov/mesh/D014054; https://id.nlm.nih.gov/mesh/D011786; https://id.nlm.nih.gov/mesh/D001331; https://id.nlm.nih.gov/mesh/D007091
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/