Thesis: Evaluación de incertidumbre en la segmentación automática de hígado y segmentos de Couinaud en imágenes de resonancia magnética
| datacite.subject.fos | Medical and Health sciences | |
| dc.contributor.department | Departamento de Informática | |
| dc.contributor.guia | Sotelo Parraguez, Julio Andrés | |
| dc.coverage.spatial | Campus Santiago Vitacura | |
| dc.creator | Labarca Gallardo, Rhaimanhs Raúl | |
| dc.date.accessioned | 2026-11-10T18:20:33Z | |
| dc.date.available | 2026-11-10T18:20:33Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | La segmentación del hígado y de sus ocho segmentos de Couinaud en resonancia magnética (RM) la realizan manualmente los radiólogos, generando mucha variabilidad, y las soluciones automatizadas no advierten dónde pueden fallar. Es por ello que se propuso evaluar la incertidumbre en tres arquitecturas convolucionales (U-Net 3D, ResEnc M y MedNeXt-B) entrenadas con 197 volúmenes de RM de 73 pacientes. La evaluación se realizó sobre 30 volúmenes utilizando métricas de volumetría, sensibilidad geométrica, estimación de incertidumbre por aumentación en tiempo de prueba y mapas de incertidumbre. Como resultado, el hígado y sus segmentos obtuvieron un Dice de 0,937 y 0,778 respectivamente; las arquitecturas no difirieron en la calidad de la incertidumbre tras la corrección de Holm. La incertidumbre fue nueve veces mayor en los vóxeles erróneos del contorno hepático y tres veces mayor en las fronteras intersegmentarias (AUC-ROC de 0,81 y 0,72). Los volúmenes con mayor incertidumbre fueron los peor segmentados con una correlación de Spearman (ρ) entre -0,61 y -0,74. Los segmentos I, III y VII mostraron mayor variabilidad volumétrica (38,6% frente al 3% del hígado completo). El impacto esperado es reducir el tiempo de revisión de la segmentación, orientando al radiólogo hacia las zonas de mayor incertidumbre. | es |
| dc.description.degree | Magíster en Tecnologías de la Información | |
| dc.driver | info:eu-repo/semantics/masterThesis | |
| dc.format.extent | 27 páginas | |
| dc.identifier.barcode | MP_RL_2026 | |
| dc.identifier.doi | 10.71959/mzq7-w378 | |
| dc.identifier.uri | https://cris.usm.cl/handle/123456789/7286 | |
| dc.identifier.uri | https://doi.org/10.71959/mzq7-w378 | |
| dc.language.iso | es | |
| dc.publisher | Universidad Técnica Federico Santa María | |
| dc.rights | Attribution-NoDerivatives 4.0 International | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nd/4.0/ | |
| dc.subject | Segmentación hepática | |
| dc.subject | Resonancia magnética | |
| dc.subject | Redes neuronales convolucionales | |
| dc.subject | Segmentación de imágenes médicas | |
| dc.subject | Estimación de incertidumbre | |
| dc.subject | Aprendizaje profundo | |
| dc.subject | Diagnóstico por imágenes | |
| dc.subject.ods | 3 Salud y bienestar | |
| dc.subject.ods | 9 Industria, innovación e infraestructura | |
| dc.title | Evaluación de incertidumbre en la segmentación automática de hígado y segmentos de Couinaud en imágenes de resonancia magnética | |
| dspace.entity.type | Tesis |
