Detección de fibrosis producida por neurocisticercosis mediante procesamiento de imágenes y aprendizaje de máquinas

La neurocisticercosis, una enfermedad parasitaria que afecta tanto a los cerdos como a los humanos, representa un desafío significativo para la salud pública al comprometer el sistema nervioso central. La fibrosis, una secuela común de esta enfermedad, puede desencadenar daños neurológicos considerables. Este proyecto propone un método automatizado para la detección y segmentación de fibrosis en tejido cerebral porcino, con el objetivo de facilitar la investigación en el desarrollo de nuevos tratamientos y avances para la enfermedad. El método se basa en técnicas de procesamiento digital de imágenes y aprendizaje automático. Específicamente, se utilizan modelos de segmentación semántica con diversas arquitecturas neuronales para lograr una detección precisa y eficiente. El rendimiento de las arquitecturas se evalúa mediante diversas métricas. Finalmente, se realiza un análisis exhaustivo de la robustez y la capacidad de generalización del método mediante experimentos rigurosos. Este enfoque tiene como objetivo facilitar la investigación para el desarrollo de nuevos medicamentos y avances en el tratamiento de la neurocisticercosis. Los objetivos del proyecto incluyen la recopilación de datos, el desarrollo de algoritmos y su implementación para identificar y clasificar la fibrosis, así como la evaluación del rendimiento del sistema propuesto.

• Autores: López López, Maria Camila; Herrán Ríos, Darwin Stiven
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/4513
• Acceso en línea: https://hdl.handle.net/20.500.12313/4513
• Palabra clave: Fibrosis - Detección; Neurocisticercosis; Fibrosis - Detección - Procesamiento de imágenes; Neurocisticercosis; Fibrosis; Segmentación; Coeficiente Dice; Validación cruzada; Red neuronal convolucional; Aprendizaje de máquina; Neurocysticercosis; Fibrosis; Segmentation; Dice coefficient; Cross-validation; Convolutional neural network; Machine learning
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2