Segmentación de núcleo isquémico con imágenes de perfusión en bruto utilizando redes neuronales

Victoria Rodríguez, Inés

Publicación:
Segmentación de núcleo isquémico con imágenes de perfusión en bruto utilizando redes neuronales

dc.contributor.advisor	Santa Marta Pastrana, Cristina María
dc.contributor.advisor	Rodríguez González, David
dc.contributor.author	Victoria Rodríguez, Inés
dc.date.accessioned	2025-07-23T13:12:00Z
dc.date.available	2025-07-23T13:12:00Z
dc.date.issued	2025-07
dc.description.abstract	El ictus isquémico es una de las principales causas de discapacidad y mortalidad, cuya detección y tratamiento precoz resultan fundamentales para mejorar el pronóstico. Este Trabajo Fin de Máster explora un enfoque alternativo para la segmentación automática del núcleo isquémico directamente a partir de imágenes de perfusión por tomografía computarizada (CTP) en bruto, sin depender de los mapas hemodinámicos derivados que introducen variabilidad y sesgos. Para ello, se entrena una red neuronal basada en la arquitectura U-Net, evaluada sobre el conjunto de datos ISLES2018 tras un preprocesamiento que incluye normalización de intensidades, eliminación automática del cráneo y simetrización anatómica. El modelo PerfU-Net y sus variantes se comparan con un enfoque convencional basado en mapas (Maps-Net), tanto en 2D como en 3D, con un análisis cuantitativo y cualitativo intra e inter-modelo. Aunque aún no se alcanzan niveles clínicamente óptimos, los resultados obtenidos respaldan el potencial de este enfoque como herramienta de asistencia en diagnóstico.	es
dc.description.abstract	Ischemic stroke is one of the leading causes of disability and mortality, and its early mdetection and treatment are essential to improving patient outcomes. This Master’s Thesis explores an alternative approach for the automatic segmentation of the ischemic core directly from raw computed tomography perfusion (CTP) images, avoiding the reliance on derived hemodynamic maps that introduce variability and bias. To this end, a neural network based on the U-Net architecture is trained and evaluated on the ISLES2018 dataset, following a preprocessing pipeline that includes intensity normalization, automatic skull stripping, and anatomical symmetrization. The performance of the PerfU-Net model and its variants is compared to a conventional map-based approach (Maps-Net), both in 2D and 3D, through quantitative and qualitative intra- and inter-model analysis. Although clinically optimal performance has not yet been achieved, the results support the potential of this method as a diagnostic assistance tool.	en
dc.identifier.citation	Victoria Rodríguez, Inés. Trabajo Fin de Máster: Segmentación de núcleo isquémico con imágenes de perfusión en bruto utilizando redes neuronales. Universidad Nacional de Educación a Distancia (UNED) 2025
dc.identifier.uri	https://hdl.handle.net/20.500.14468/29696
dc.language.iso	es
dc.relation.center	Facultad de Ciencias
dc.relation.degree	Máster universitario en Física Médica
dc.relation.department	Física Matemática y de Fluídos
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.subject.keywords	ictus isquémico	es
dc.subject.keywords	segmentación	es
dc.subject.keywords	tomografía computarizada de perfusión	es
dc.subject.keywords	U-Net	es
dc.subject.keywords	redes neuronales	es
dc.subject.keywords	ISLES2018	en
dc.subject.keywords	imagen médica	en
dc.subject.keywords	ischemic stroke	en
dc.subject.keywords	segmentation	en
dc.subject.keywords	computed tomography perfusion	en
dc.subject.keywords	U-Net	en
dc.subject.keywords	neural networks	en
dc.subject.keywords	ISLES2018	en
dc.subject.keywords	medical imaging	en
dc.title	Segmentación de núcleo isquémico con imágenes de perfusión en bruto utilizando redes neuronales	es
dc.title	Ischemic core segmentation from raw perfusion images using neural networks	en
dc.type	tesis de maestría	es
dc.type	master thesis	en
dspace.entity.type	Publication