Santa Marta Pastrana, Cristina MaríaRodríguez González, DavidVictoria Rodríguez, Inés2025-07-232025-07-232025-07Victoria 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) 2025https://hdl.handle.net/20.500.14468/29696El 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.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.esinfo:eu-repo/semantics/openAccesstesis de maestríaictus isquémicosegmentacióntomografía computarizada de perfusiónU-Netredes neuronalesISLES2018imagen médicaischemic strokesegmentationcomputed tomography perfusionU-Netneural networksISLES2018medical imaging