Modelo semiautomático para la visualización 3D de Arterias Colaterales Aortopulmonares Mayores (Mapcas) y Comunicación Interventricular (CIV) en pacientes pediátricos con Atresia Pulmonar (AP). Semestre de industria

Entre las cardiopatías congénitas, la atresia pulmonar con comunicación interventricular y la presencia de arterias colaterales aortopulmonares mayores constituyen algunas de las anomalías más complejas y difíciles de abordar. Por ello, se identificó la necesidad de desarrollar una herramienta que f...

Full description

Autores:
Asprilla Mosquera, Andres Felipe
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2025
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/47363
Acceso en línea:
https://hdl.handle.net/10495/47363
Palabra clave:
Cardiopatías Congénitas
Heart Defects, Congenital
Procesamiento de Imagen Asistido por Computador
Image Processing, Computer-Assisted
Tomografía Computarizada por Rayos X
Tomography, X-Ray Computed
Redes Neuronales Convolucionales
Convolutional Neural Networks
Reconstrucción
Reconstruction
https://id.nlm.nih.gov/mesh/D006330
http://vocabularies.unesco.org/thesaurus/concept17049
https://id.nlm.nih.gov/mesh/D006330
https://id.nlm.nih.gov/mesh/D007091
https://id.nlm.nih.gov/mesh/D014057
https://id.nlm.nih.gov/mesh/D000098415
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:Entre las cardiopatías congénitas, la atresia pulmonar con comunicación interventricular y la presencia de arterias colaterales aortopulmonares mayores constituyen algunas de las anomalías más complejas y difíciles de abordar. Por ello, se identificó la necesidad de desarrollar una herramienta que facilite tanto el diagnóstico como la planificación del tratamiento. Con este fin, se propone el desarrollo de un modelo semiautomático de segmentación, cuyo objetivo es generar una visualización tridimensional precisa de estas estructuras anatómicas, así como una interfaz de inferencia que facilite su uso por parte del personal asistencial de la clínica. El modelo propuesto emplea redes neuronales convolucionales y se construye a partir de un banco de imágenes de tomografía computarizada preprocesadas y segmentadas con herramientas como 3D Slicer , MONAI Label y nn-Unet. Su implementación permitirá generar reconstrucciones 3D detalladas de estas, facilitando la planificación quirúrgica y el entrenamiento clínico.