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/
id UDEA2_e1fe1806fbdfc43bd59a69a074409ae1
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/47363
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv 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
title 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
spellingShingle 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
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
title_short 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
title_full 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
title_fullStr 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
title_full_unstemmed 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
title_sort 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
dc.creator.fl_str_mv Asprilla Mosquera, Andres Felipe
dc.contributor.advisor.none.fl_str_mv Goldfeder, Sydney Stephanie
Cuberos, Isabella Ariza
dc.contributor.author.none.fl_str_mv Asprilla Mosquera, Andres Felipe
dc.subject.decs.none.fl_str_mv 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
topic 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
dc.subject.unesco.none.fl_str_mv Reconstrucción
Reconstruction
dc.subject.unescouri.none.fl_str_mv https://id.nlm.nih.gov/mesh/D006330
http://vocabularies.unesco.org/thesaurus/concept17049
dc.subject.meshuri.none.fl_str_mv 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
description 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.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-12T14:22:38Z
dc.date.issued.none.fl_str_mv 2025
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.content.none.fl_str_mv Text
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/draft
format http://purl.org/coar/resource_type/c_7a1f
status_str draft
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10495/47363
url https://hdl.handle.net/10495/47363
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] C. A. Gómez-Monroy, L. K. Hoyos-Gómez, Á. F. Acosta-Costilla, L. D. Muñoz-Torres, and D. G. Fernández-Ávila, "Prevalence of congenital heart disease in relation to height above sea level in a region of Colombia. Prevalencia de las cardiopatías congénitas en relación con la altura sobre el nivel del mar en una región de Colombia," Arch. Cardiol. Mex., vol. 93, no. 1, pp. 37-43, 2023, doi: 10.24875/ACM.21000325.
[2] P. H. Bitar, "Evaluación cardiaca con tomografía computada y resonancia magnética," Revista Médica Clínica Las Condes, vol. 24, no. 1, pp. 54-62, 2013, doi: 10.1016/S0716-8640(13)70129-9.
[3] I. Valverde, "Impresión tridimensional de modelos cardíacos: aplicaciones en el campo de la educación médica, la cirugía cardiaca y el intervencionismo estructural," Revista Española de Cardiología, vol. 69, no. 12, pp. 1111-1120, 2016, doi: 10.1016/j.recesp.2016.09.043.
[4] A. U. Retana, M. D. M. Sanabria Murillo, P. N. Younes, and V. M. Jinesta, "Aplicaciones actuales de la impresión cardiaca en 3D," Revista Costarricense de Cardiología, Servicio de Cardiología del Hospital México CCSS, Universidad de Costa Rica, 2020. [Online]. Available: https://revcostcardio.com/articulo-original-aplicaciones-actuales-de-la-impresion-cardiaca-en-3d/ ?form=MG0AV3#.
[5] C. Buisán, "Impresión 3D y modelos virtuales como herramienta en la planificación de la cirugía cardiovascular," Sociedad Española de Cardiología, 24-Jan-2022. [Online]. Available: https://secardiologia.es/blog/13218-impresion-3d-y-modelos-virtuales-como-herramienta-en-la-pl anificacion-de-cirugia-cardiovascular?form=MG0AV3.
[6] R. Bhushan et al., “Intracardiac Repair in Late Adolescent and Adult Tetralogy of Fallot — Early and Midterm Results from a Tertiary Care Centre”, Brazilian J. Cardiovascular Surgery, 2022. [Online]. Available: https://doi.org/10.21470/1678-9741-2020-0528
[7] D. C. Dugdale. “Congenital heart defect - corrective surgery - UF Health”. UF Health - University of Florida Health. Accedido el 1 de febrero de 2025.[Online]. Available: https://ufhealth.org/conditions-and-treatments/congenital-heart-defect-corrective-surgery
[8] N. L. Armijos-Romero, P. Estefanía Guaycha-Muñoz, J. E. Guevara-Sánchez, and P. Estefanía Guaycha-Muñoz, "Correcciones quirúrgicas de cardiopatías congénitas en recién nacidos," *Polo del Conocimiento*, vol. 6, no. 9, pp. 2478-2492, Septiembre 2021. doi: 10.23857/pc.v6i9.
[9] Children's Minnesota, "Unifocalización," Children's Minnesota, [Online]. Available: https://www.childrensmn.org/Departments/cardiovascular/heart-illustrations/surgery/spanish/unif ocalization-es.pdf
[10] T. N. Alnasser, L. Abdulaal, A. Maiter, M. Sharkey, K. Dwivedi, M. Salehi, P. Garg, A. J. Swift, and S. Alabed, "Advancements in cardiac structures segmentation: a comprehensive systematic review of deep learning in CT imaging," Frontiers in Cardiovascular Medicine, vol. 11, 2024. doi: 10.3389/fcvm.2024.1323461. [Online]. Available: https://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2024.132346 1.
[11] I. J. Goodfellow et al., "Generative Adversarial Networks," arXiv, [Online]. Available: https://arxiv.org/abs/1505.04597v1.
[12] A. Radford et al., "Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks," arXiv, [Online]. Available: https://arxiv.org/abs/1511.00561v3. [13] Y. Liu et al., "Anomaly Detection in Time Series with Triadic Motif Fields and Application to Spacecraft Fault Detection," arXiv, [Online]. Available: https://arxiv.org/abs/1904.00592.
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.en.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 International
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 89 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Antioquia
dc.publisher.program.none.fl_str_mv Bioingeniería
dc.publisher.place.none.fl_str_mv Medellín, Colombia
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.branch.none.fl_str_mv Campus Medellín - Ciudad Universitaria
publisher.none.fl_str_mv Universidad de Antioquia
institution Universidad de Antioquia
bitstream.url.fl_str_mv https://bibliotecadigital.udea.edu.co/bitstreams/879d2070-e97a-4175-82e3-3544a85829aa/download
https://bibliotecadigital.udea.edu.co/bitstreams/5835aa51-8e30-4cba-9c1c-a7ae9d831ab5/download
https://bibliotecadigital.udea.edu.co/bitstreams/e8c5675f-5e0e-4847-8e67-bd9b71f2f826/download
https://bibliotecadigital.udea.edu.co/bitstreams/6c46e64f-0df5-4ba3-9d61-82af61224ad5/download
https://bibliotecadigital.udea.edu.co/bitstreams/d7510c2e-ce4a-49a7-a368-c35fff115d10/download
https://bibliotecadigital.udea.edu.co/bitstreams/7a5ca244-ea53-44b4-928a-aa912987169c/download
https://bibliotecadigital.udea.edu.co/bitstreams/69d41482-ba4a-414c-be8f-c37a052c86d0/download
https://bibliotecadigital.udea.edu.co/bitstreams/5acff67c-3873-488b-9e63-23d635e6402e/download
https://bibliotecadigital.udea.edu.co/bitstreams/a0fa776c-1da1-4654-a0f8-38ef8cc2de2c/download
bitstream.checksum.fl_str_mv 3eee4b0acaf873202505684fbb672719
af20714371f7390563d5c5850ed33f0a
ac36c77cadda398de23417f32b762988
3b6ce8e9e36c89875e8cf39962fe8920
b76e7a76e24cf2f94b3ce0ae5ed275d0
e2510c42f941ce85ae57e416db514686
a1e536d1e10c06acf710a4e1ab43e3d8
65ab8b0e676010cb717eae20fba4f10f
4dabbb4a438bfce4789a6c0000ce260b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad de Antioquia
repository.mail.fl_str_mv aplicacionbibliotecadigitalbiblioteca@udea.edu.co
_version_ 1851052606854529024
spelling Goldfeder, Sydney StephanieCuberos, Isabella ArizaAsprilla Mosquera, Andres Felipe2025-09-12T14:22:38Z2025https://hdl.handle.net/10495/47363Entre 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.Among congenital heart diseases, pulmonary atresia with ventricular septal defect (VSD) and the presence of major aortopulmonary collateral arteries (MAPCAs) represent some of the most complex and challenging anomalies to manage. Therefore, there is a clear need to develop tools that facilitate both diagnosis and treatment planning. To address this, we propose the development of a semi-automatic segmentation model aimed at generating accurate three-dimensional visualizations of these anatomical structures, along with an inference interface designed to support clinical personnel in their use. The proposed model utilizes convolutional neural networks and is built from a dataset of preprocessed computed tomography images, segmented using tools such as 3D Slicer, MONAI Label, and nnU-Net. Its implementation enables the generation of detailed 3D reconstructions, thereby supporting surgical planning and clinical training.RESUMEN.....................................................................................................................................................9 ABSTRACT ................................................................................................................................................ 10 I. INTRODUCCIÓN.....................................................................................................................................11 II. OBJETIVOS ............................................................................................................................................13 2.1. Objetivo general..............................................................................................................................13 2.2. Objetivos específicos.......................................................................................................................13 III. MARCO TEÓRICO ...............................................................................................................................14 3.1. Cardiopatías Cianóticas..................................................................................................................14 3.2. Cardiopatías No Cianóticas.............................................................................................................16 3.3. Técnicas de imagen diagnósticas de CC........................................................................................16 3.3.1. Ecocardiografía......................................................................................................................16 3.3.2. Resonancia magnética ...........................................................................................................17 3.3.3. Tomografía computarizada ....................................................................................................18 3.4. Tratamientos comunes de las CC...................................................................................................21 3.4.1. Corrección intracardíaca completa ........................................................................................21 3.4.2. Unifocalización......................................................................................................................22 3.5. Técnicas Segmentación ..................................................................................................................23 3.6. Antecedentes de segmentación de estructuras cardiacas.................................................................25 3.6.1. Rol de las CNN en la segmentación médica..........................................................................26 3.6.2 Arquitectura de SegResNet.....................................................................................................27 3.6.2.1. Ventajas de SegResNet.................................................................................................28 3.6.3 Arquitectura de U-net .............................................................................................................28 3.6.3.1. Ventajas de U-Net ........................................................................................................29 3.7. Métricas de evaluación................................................................................................................... 30 3.8.Bibliotecas y frameworks para la segmentación de imágenes médicas...........................................31 3.8.1.Segmentación Médica con MONAI Label .............................................................................31 3.8.1.1. App patología de MONAI Label.................................................................................32 3.8.1.2. App Monaibundle.........................................................................................................33 3.8.1.3. App Endoscopía de MONAI Label..............................................................................34 3.8.1.4. App radiología de MONAI Label ................................................................................34 3.8.2.Segmentación Médica con nnU-Net.......................................................................................35 3.9. Entornos de ejecución para modelos de segmentación médica.......................................................36 IV.METODOLOGÍA .................................................................................................................................. 40 4.1. Conformación del banco de imágenes.............................................................................................41 4.1.1. Procedimiento interno en la clínica cardio vid ......................................................................41 4.1.1.1. Procedimiento de anonimización .................................................................................42 4.1.2. Procedimiento externo en instituciones aliadas.....................................................................43 4.2. Preprocesamiento de las imágenes..................................................................................................43 4.2.1 Normalización de intensidades y ajuste del espaciado ..........................................................43 4.2.2 Implementación de filtros.....................................................................................................44 4.3. Desarrollo del modelo de segmentación..........................................................................................45 4.3.1. Segmentación del corazón.....................................................................................................45 4.3.1.1 Revisión y guardado de segmentaciones.......................................................................46 4.3.2. Importación de los datos a la instancia .................................................................................46 4.3.3. Evaluación del rendimiento de los modelos..........................................................................47 4.3.4. Entrenamiento del modelo en MONAI Label.......................................................................48 4.3.4.1. Configuración de hiperparametros...............................................................................49 4.3.4.2. Configuración de métricas en App radiología............................................................ 50 4.3.5. Entrenamiento del modelo en nnU-net.................................................................................51 4.3.5.1. Configuración de métricas ...........................................................................................52 4.4. Desarrollo de la interfaz para la ejecución de inferencias en Google colab...................................53 4.4.1. Funciones de la interfaz de inferencias................................................................................54 4.4.2 Evaluación de usabilidad en la interfaz de inferencias en Google colab.............................56 V.RESULTADOS........................................................................................................................................57 5.1. Conformación del banco de Imágenes............................................................................................57 5.2. Entrenamiento del modelo ............................................................................................................ 59 5.2.1. Entrenamiento en MONAI Label ..........................................................................................59 5.2.2. Entrenamiento en nnU-net................................................................................................... 60 5.2.3. Inferencias con MONAI Label y nn-Unet...................................................................... 62 5.4. Notebook de inferencias..................................................................................................................64 5.4.1. Evaluación de usabilidad ...................................................................................................... 70 VI. ANÁLISIS DE RESULTADOS.............................................................................................................72 6.1. Entrenamiento con MONAI Label................................................................................................ 72 6.2. Entrenamiento con nn-Unet ...........................................................................................................73 6.3. Interfaz de inferencias.....................................................................................................................74 VII. CONCLUSIONES Y RECOMENDACIONES ....................................................................................75 7.1. Conclusiones....................................................................................................................................75 7.2. Recomendaciones ............................................................................................................................76 REFERENCIAS ...........................................................................................................................................77 ANEXOS......................................................................................................................................................86PregradoBioingeniero89 páginasapplication/pdfspaUniversidad de AntioquiaBioingenieríaMedellín, ColombiaFacultad de IngenieríaCampus Medellín - Ciudad Universitariahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Modelo semiautomático para la visualización 3D de Arterias Colaterales Aortopulmonares Mayores (Mapcas) y Comunicación Interventricular (CIV) en pacientes pediátricos con Atresia Pulmonar (AP). Semestre de industriaTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPTexthttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/draft[1] C. A. Gómez-Monroy, L. K. Hoyos-Gómez, Á. F. Acosta-Costilla, L. D. Muñoz-Torres, and D. G. Fernández-Ávila, "Prevalence of congenital heart disease in relation to height above sea level in a region of Colombia. Prevalencia de las cardiopatías congénitas en relación con la altura sobre el nivel del mar en una región de Colombia," Arch. Cardiol. Mex., vol. 93, no. 1, pp. 37-43, 2023, doi: 10.24875/ACM.21000325.[2] P. H. Bitar, "Evaluación cardiaca con tomografía computada y resonancia magnética," Revista Médica Clínica Las Condes, vol. 24, no. 1, pp. 54-62, 2013, doi: 10.1016/S0716-8640(13)70129-9.[3] I. Valverde, "Impresión tridimensional de modelos cardíacos: aplicaciones en el campo de la educación médica, la cirugía cardiaca y el intervencionismo estructural," Revista Española de Cardiología, vol. 69, no. 12, pp. 1111-1120, 2016, doi: 10.1016/j.recesp.2016.09.043.[4] A. U. Retana, M. D. M. Sanabria Murillo, P. N. Younes, and V. M. Jinesta, "Aplicaciones actuales de la impresión cardiaca en 3D," Revista Costarricense de Cardiología, Servicio de Cardiología del Hospital México CCSS, Universidad de Costa Rica, 2020. [Online]. Available: https://revcostcardio.com/articulo-original-aplicaciones-actuales-de-la-impresion-cardiaca-en-3d/ ?form=MG0AV3#.[5] C. Buisán, "Impresión 3D y modelos virtuales como herramienta en la planificación de la cirugía cardiovascular," Sociedad Española de Cardiología, 24-Jan-2022. [Online]. Available: https://secardiologia.es/blog/13218-impresion-3d-y-modelos-virtuales-como-herramienta-en-la-pl anificacion-de-cirugia-cardiovascular?form=MG0AV3.[6] R. Bhushan et al., “Intracardiac Repair in Late Adolescent and Adult Tetralogy of Fallot — Early and Midterm Results from a Tertiary Care Centre”, Brazilian J. Cardiovascular Surgery, 2022. [Online]. Available: https://doi.org/10.21470/1678-9741-2020-0528[7] D. C. Dugdale. “Congenital heart defect - corrective surgery - UF Health”. UF Health - University of Florida Health. Accedido el 1 de febrero de 2025.[Online]. Available: https://ufhealth.org/conditions-and-treatments/congenital-heart-defect-corrective-surgery[8] N. L. Armijos-Romero, P. Estefanía Guaycha-Muñoz, J. E. Guevara-Sánchez, and P. Estefanía Guaycha-Muñoz, "Correcciones quirúrgicas de cardiopatías congénitas en recién nacidos," *Polo del Conocimiento*, vol. 6, no. 9, pp. 2478-2492, Septiembre 2021. doi: 10.23857/pc.v6i9.[9] Children's Minnesota, "Unifocalización," Children's Minnesota, [Online]. Available: https://www.childrensmn.org/Departments/cardiovascular/heart-illustrations/surgery/spanish/unif ocalization-es.pdf[10] T. N. Alnasser, L. Abdulaal, A. Maiter, M. Sharkey, K. Dwivedi, M. Salehi, P. Garg, A. J. Swift, and S. Alabed, "Advancements in cardiac structures segmentation: a comprehensive systematic review of deep learning in CT imaging," Frontiers in Cardiovascular Medicine, vol. 11, 2024. doi: 10.3389/fcvm.2024.1323461. [Online]. Available: https://www.frontiersin.org/journals/cardiovascular-medicine/articles/10.3389/fcvm.2024.132346 1.[11] I. J. Goodfellow et al., "Generative Adversarial Networks," arXiv, [Online]. Available: https://arxiv.org/abs/1505.04597v1.[12] A. Radford et al., "Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks," arXiv, [Online]. Available: https://arxiv.org/abs/1511.00561v3. [13] Y. Liu et al., "Anomaly Detection in Time Series with Triadic Motif Fields and Application to Spacecraft Fault Detection," arXiv, [Online]. Available: https://arxiv.org/abs/1904.00592.Cardiopatías CongénitasHeart Defects, CongenitalProcesamiento de Imagen Asistido por ComputadorImage Processing, Computer-AssistedTomografía Computarizada por Rayos XTomography, X-Ray ComputedRedes Neuronales ConvolucionalesConvolutional Neural NetworksReconstrucciónReconstructionhttps://id.nlm.nih.gov/mesh/D006330http://vocabularies.unesco.org/thesaurus/concept17049https://id.nlm.nih.gov/mesh/D006330https://id.nlm.nih.gov/mesh/D007091https://id.nlm.nih.gov/mesh/D014057https://id.nlm.nih.gov/mesh/D000098415PublicationORIGINALAsprillaAndres_2025_ModeloVisualizacion3D.pdfAsprillaAndres_2025_ModeloVisualizacion3D.pdfTrabajo de grado de pregradoapplication/pdf2787760https://bibliotecadigital.udea.edu.co/bitstreams/879d2070-e97a-4175-82e3-3544a85829aa/download3eee4b0acaf873202505684fbb672719MD53trueAnonymousREADAnexo.pdfAnexo.pdfAnexo 1application/pdf1533069https://bibliotecadigital.udea.edu.co/bitstreams/5835aa51-8e30-4cba-9c1c-a7ae9d831ab5/downloadaf20714371f7390563d5c5850ed33f0aMD52falseAnonymousREADAnexo.pdfAnexo.pdfAnexo 2application/pdf9695663https://bibliotecadigital.udea.edu.co/bitstreams/e8c5675f-5e0e-4847-8e67-bd9b71f2f826/downloadac36c77cadda398de23417f32b762988MD51falseAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://bibliotecadigital.udea.edu.co/bitstreams/6c46e64f-0df5-4ba3-9d61-82af61224ad5/download3b6ce8e9e36c89875e8cf39962fe8920MD54falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-814837https://bibliotecadigital.udea.edu.co/bitstreams/d7510c2e-ce4a-49a7-a368-c35fff115d10/downloadb76e7a76e24cf2f94b3ce0ae5ed275d0MD55falseAnonymousREADTEXTAsprillaAndres_2025_ModeloVisualizacion3D.pdf.txtAsprillaAndres_2025_ModeloVisualizacion3D.pdf.txtExtracted texttext/plain102053https://bibliotecadigital.udea.edu.co/bitstreams/7a5ca244-ea53-44b4-928a-aa912987169c/downloade2510c42f941ce85ae57e416db514686MD56falseAnonymousREADAnexo.pdf.txtAnexo.pdf.txtExtracted texttext/plain21343https://bibliotecadigital.udea.edu.co/bitstreams/69d41482-ba4a-414c-be8f-c37a052c86d0/downloada1e536d1e10c06acf710a4e1ab43e3d8MD58falseAnonymousREADTHUMBNAILAsprillaAndres_2025_ModeloVisualizacion3D.pdf.jpgAsprillaAndres_2025_ModeloVisualizacion3D.pdf.jpgGenerated Thumbnailimage/jpeg7243https://bibliotecadigital.udea.edu.co/bitstreams/5acff67c-3873-488b-9e63-23d635e6402e/download65ab8b0e676010cb717eae20fba4f10fMD57falseAnonymousREADAnexo.pdf.jpgAnexo.pdf.jpgGenerated Thumbnailimage/jpeg6495https://bibliotecadigital.udea.edu.co/bitstreams/a0fa776c-1da1-4654-a0f8-38ef8cc2de2c/download4dabbb4a438bfce4789a6c0000ce260bMD59falseAnonymousREAD10495/47363oai:bibliotecadigital.udea.edu.co:10495/473632025-09-13 04:09:41.626http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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

Publicaciones similares