Examinando por Materia "MRI"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Efecto de la geometría en las condiciones de flujo y esfuerzos en el acueducto de Silvio
    (Universidad EIA, 2019) González Pereira, Juan Pablo; Montoya Góez, Yesid
    La hidrocefalia es una enfermedad con una alta incidencia tanto en neonatos (1 en cada 1000 nacidos vivos) como en pacientes de edad avanzada. En el caso de los neonatos es usual que esta patología se genere de forma congénita por medio de un cerramiento de los conductos cerebrales. El Acueducto de Silvio (AS) es uno de los conductos que donde se genera hidrocefalia al obstruirse y lo que lleva a la disminución o cierre por completo el flujo de líquido cefalorraquídeo. Diversos estudios han simulado y hecho intentos para medir los patrones de flujo y presiones a través del AS, no obstante, las simulaciones realizadas por Computational Fluid Dynamics (CFD) y las mediciones realizadas con diferentes técnicas de imagenología resultan disímiles entre sí. Se ha especulado que uno de los principales factores que genera estas diferencias de la geometría del mismo AS, siendo un órgano relativamente pequeño, pero con características similares entre pacientes, la geometría puede tener cambios significativos de un paciente a otro. En este trabajo de grado se plantea realizar el estudio comparativo entre diferentes geometrías en el AS aplicando las mismas condiciones de frontera y simulando los patrones de presión, flujo y líneas de corriente por medio de técnicas computacionales de mecánica de fluidos computacional (CFD). Se partirá de imágenes médicas de resonancia magnética (MRI) en neonatos e infantes menores a 9 años para tomar diferentes patrones geométricos del AS. Los resultados muestran que la velocidad y esfuerzos cortantes, y por lo tanto el patrón de flujo, son sensibles a los cambios en la geometría del AS. También se encontró que no hay cambios significativos en la distribución de las presiones.
  • Miniatura
    PublicaciónAcceso abierto
    Sistema de aprendizaje automático para diagnóstico de alzheimer
    (Universidad EIA, 2025) Solano Miguel, Salome; Quintero Zea, Andrés
    RESUMEN: La enfermedad de Alzheimer es una de las principales causas de demencia en todo el mundo. En vista del creciente número de nuevos casos, se necesitan herramientas de diagnóstico accesibles y precisas para apoyar la detección temprana de la enfermedad. Este trabajo presenta un sistema automático de análisis de imágenes por resonancia magnética (MRI) basado en aprendizaje profundo para ayudar a diagnosticar de manera temprana de la enfermedad de Alzheimer. El modelo se desarrolló empleando el conjunto de datos OASIS, al que se le implementó un protocolo de balanceo y aumento de datos para reducir el sesgo de clases. Cuatro arquitecturas de redes neuronales (DenseNet121, ResNet152V2, EfficientNetB0 y VGG16) fueron comparadas de manera uniforme. DenseNet121 fue seleccionada como la más prometedora por su equilibrio entre eficiencia computacional y precisión. Tras la selección del modelo base, se realizó una implementación en dos etapas que comprendió un fine-tuning progresivo, regularización L2, modificación dinámica de la prueba de aprendizaje y debates en clase. Adicionalmente, se incorporaron cinco iteraciones de validación cruzada para asegurar la solidez del desempeño. La interpretabilidad del sistema se aseguró mediante los métodos de visualización Grad-CAM y t-SNE, los cuales corroboraron que el modelo se enfocaba en áreas fundamentales del cerebro como los ventrículos laterales, la corteza entorrinal y el hipocampo. El sistema alcanzó una precisión que superó el 94 % en la evaluación final de un conjunto de pruebas independientes, con una media de AUC de 0,99 y una puntuación F1 de 0,95, lo que indica su factibilidad en entornos clínicos con recursos limitados.