Síntesis de neuroimágenes diagnósticas mediante el uso de una estrategia de aprendizaje profundo generativo

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorGómez Hernández, Santiago
dc.contributor.advisorGarzón Villamizar, Gustavo Adolfo
dc.contributor.advisorSierra Jerez, Franklin Samuel
dc.contributor.authorRamírez Serna, Oscar Andrés
dc.contributor.authorValencia Vanegas, Yeferson
dc.contributor.evaluatorBautista Rozo, Lola Xiomara
dc.contributor.evaluatorRomo Bucheli, David Edmundo
dc.date.accessioned2024-11-12T15:15:56Z
dc.date.available2024-11-12T15:15:56Z
dc.date.created2024-11-08
dc.date.issued2024-11-08
dc.description.abstractLas neuroimágenes son esenciales para la caracterización de alteraciones estructurales y funcionales de enfermedades neurológicas. Para la asistencia y caracterización efectiva de hallazgos radiológicos, en algunas enfermedades, es imprescindible el uso complementario de imágenes, permitiendo asociar patrones estructurales con funcionales o brindando una mayor definición y seguimiento de las afecciones detectadas. Sin embargo, en la rutina clínica, muchas veces es desafiante contar con todas las secuencias, debido a contraindicaciones de pacientes o la disponibilidad de los dispositivos de captura. Particularmente, en este trabajo abordaremos este problema para el accidente cerebrovascular (ACV) y la enfermedad del Parkinson (EP), teniendo en cuenta el carácter complementario requerido para la caracterización efectiva de estas enfermedades. En cuanto al ACV, primero se hace un tamizaje para determinar el origen de la interrupción del flujo sanguíneo con tomografías (NCCT) y luego se cuantifica el volumen de la lesión desde secuencias de resonancia ponderada por difusión (DWI, ADC). En cuanto a la EP, las resonancias T1 permiten hacer un análisis estructural del cerebro, mientras que el SPECT complementa este análisis brindando información sobre la deficiencia de neurotransmisores dopaminérgicos. En este trabajo se implementó una estrategia de aprendizaje de difusión condicional para la síntesis de neuroimagenes complementarias tanto en el dominio del ACV como en el dominio de la EP. En cuanto al ACV, la estrategia fue entrenada y validada para realizar síntesis de resonancias DWI y ADC desde imágenes NCCT, utilizando un conjunto propio de 95 pacientes y logrando puntajes de reconstrucción SSIM de 0.55 para DWI y 0.45 para ADC. En cuanto a la EP, la estrategia fue ajustada para realizar síntesis de secuencias SPECT desde resonancias T1, utilizando un conjunto público de 115 pacientes y logrando un SSIM de 0.98.
dc.description.abstractenglishNeuroimaging is essential for the characterization of structural and functional alterations in neurological diseases. For effective assistance and characterization of radiological findings in some diseases, the complementary use of images is crucial, as it allows the association of structural and functional patterns or provides greater definition and monitoring of detected conditions. However, in clinical practice, it is often challenging to obtain all the necessary sequences due to patient contraindications or the availability of capture devices. Specifically, this work addresses this issue for stroke and Parkinson's disease (PD), considering the complementary nature required for the effective characterization of these diseases. For stroke, screening is first performed to determine the origin of the blood flow interruption using CT scans (NCCT), and then the lesion volume is quantified using diffusion-weighted MRI sequences (DWI, ADC). In the case of PD, T1-weighted MRIs allow for structural brain analysis, while SPECT complements this by providing information on dopaminergic neurotransmitter deficiencies. In this work, a conditional diffusion learning strategy was implemented for the synthesis of complementary neuroimages in both the stroke and PD domains. For stroke, the strategy was trained and validated to synthesize DWI and ADC MRIs from NCCT images, using a proprietary dataset of 95 patients and achieving SSIM reconstruction scores of 0.55 for DWI and 0.45 for ADC. For PD, the strategy was adjusted to synthesize SPECT sequences from T1 MRIs, using a public dataset of 115 patients and achieving an SSIM of 0.98.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero de Sistemas
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/44595
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería de Sistemas
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectEnfermedades cerebrovasculares
dc.subjectEnfermedades neurodegenerativas
dc.subjectSíntesis de neuroimágenes
dc.subjectAprendizaje generativo
dc.subjectModelos de difusión
dc.subject.keywordCerebrovascular diseases
dc.subject.keywordNeurodegenerative diseases
dc.subject.keywordNeuroimaging synthesis
dc.subject.keywordGenerative learning
dc.subject.keywordDiffusion models
dc.titleSíntesis de neuroimágenes diagnósticas mediante el uso de una estrategia de aprendizaje profundo generativo
dc.title.englishDiagnostic neuroimaging synthesis using a generative deep learning strategy
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
308.29 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
10.97 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
162.25 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería de Sistemas