Search

La tractografía es una técnica de imagen médica que permite visualizar y mapear las fibras nerviosas del cerebro utilizando imágenes de resonancia magnética por difusión. Esta técnica ha mejorado la comprensión de las conexiones neuronales y su relación con diversas patologías neurológicas y trastornos psicológicos. La segmentación de tractografías en tractos específicos es un proceso complejo debido a la variabilidad anatómica del cerebro y tradicionalmente se realizaba de forma manual o semi-automática, con desventajas como el alto consumo de tiempo y la generación de falsos positivos. Los algoritmos y métodos de machine learning, y concretamente deep learning, han mostrado grandes capacidades en tareas similares en otros campos. Este TFG se centra en estudiar e implementar técnicas basadas en deep learning para poder distinguir tractos específicos con el propósito de su análisis posterior. Concretamnte, se ha probado el enfoque de DeepWMA y su aplicación en modelos de deep learning más modernos utilizando el conjunto de datos Tractoinferno, una base de datos amplia y robusta. Los resultados obtenidos han sido notables, demostrando su adecuación y potencial para su uso en aplicaciones clínicas.

La tractografía es una técnica de imagen médica que permite el estudio de la conectividad neurológica. Se aplica al estudio de alteraciones en la conectividad asociadas a enfermedades neurodegenerativas, accidentes cerebrovasculares y en la planificación de neurocirugías. Esta técnica emplea datos de resonancia magnética ponderada en difusión para reconstruir los tractos de sustancia blanca que conforman el cerebro. Actualmente, cuando se desea examinar una región específica, se realiza un proceso llamado disección virtual. Este proceso implica la selección manual de las fibras nerviosas de interés y requiere una considerable cantidad de tiempo, así como un alto grado de conocimiento de la anatomía cerebral. Los avances recientes en técnicas de visión por computadora y aprendizaje automático en el ámbito de la imagen médica han permitido el desarrollo de modelos con alta precisión en tareas de segmentación de imágenes. Este TFG propone una técnica novedosa para la automatización de este proceso, reduciendo así el tiempo requerido y la necesidad de experiencia extensa en neuroanatomía. Concretamente, se ha implementado una 3D UNet que aprovecha la información espacial de las resonancias magnéticas para mejorar la segmentación de los tractos nerviosos, propuesta que ha sido aceptada para una publicación científica. Además, se ha realizado un estudio de los principales enfoques propuestos desde el ámbito del aprendizaje automático para la resolución de esta tarea.