Clasificación de Lesiones Intravascular en Imágenes de Ultrasonido Utilizando Algoritmos de Aprendizaje Automático [recurso electrónico] / Cristian David García Verdugo ; directora, Wendy Flores Fuentes
Tipo de material:
Archivo de ordenadorDetalles de publicación: Mexicali, Baja California, 2025Descripción: 1 recurso en línea, 60 p. : il. col. ; gráficasTema(s): Sangre enfermedades -- Tesis y disertaciones académicasClasificación LoC:RB145 | G37 2025Recursos en línea: Tesis digital
Nota de disertación: Tesis (Maestría) -- Universidad Autónoma de Baja California. Facultad de Ingeniería, Mexicali, 2025. Resumen: La tesis titulada “ Clasificación de Lesiones Intravascular en Imágenes de Ultrasonido Utilizando Algoritmos de Aprendizaje Automático” aborda el desarrollo de un sistema automatizado para la identificación y clasificación de lesiones intravasculares en imágenes obtenidas mediante ultrasonido intravascular (IVUS). Este trabajo responde a la necesidad de superar las limitaciones de los métodos manuales y tradicionales, que suelen ser imprecisos y dependientes de la experiencia del especialista, en procedimientos críticos como la angioplastia coronaria. El ultrasonido intravascular es una herramienta ampliamente utilizada en la cardiología intervencionista para obtener imágenes detalladas de las arterias coronarias. Este método complementa las angiografías tradicionales al ofrecer información precisa sobre la composición y
características de las placas ateroscleróticas, las cuales son factores clave para predecir y prevenir
eventos cardiovasculares adversos, como el síndrome coronario agudo y la muerte súbita cardiaca. Sin embargo, la interpretación de estas imágenes es compleja y propensa a errores, lo que subraya la importancia de sistemas que automaticen esta tarea. La metodología desarrollada en este trabajo integra técnicas avanzadas de visión por computadora y algoritmos de aprendizaje automático para procesar imágenes IVUS. El flujo de trabajo incluye el preprocesamiento de las imágenes, normalización, reducción de ruido mediante filtros gaussianos, y la extracción de los histogramas de intensidad. Estas características se utilizan posteriormente para entrenar y evaluar varios modelos de clasificación, incluyendo máquinas de soporte vectorial (support vector machine, SVM por sus siglas en inglés), bosques aleatorios (Random Forest), algoritmo de Naive Bayes y vecinos cercanos (k-Nearest Neighbors, k-NN por sus siglas en inglés). Los resultados obtenidos en la experimentación demuestran que los algoritmos propuestos son efectivos en la clasificación automática de placas ateroscleróticas, alcanzando altos niveles de precisión en comparación con evaluaciones manuales realizadas por expertos. Adicionalmente,
se desarrolló una interfaz de usuario que permite a los profesionales de la salud cargar
imágenes IVUS, visualizar los resultados del análisis y realizar ajustes manuales si es necesario, mejorando así la utilidad práctica del sistema. La investigación no solo contribuye a optimizar la toma de decisiones clínicas en la angioplastia coronaria, sino que también abre nuevas posibilidades para el uso del aprendizaje automático en la medicina personalizada y la prevención de enfermedades cardiovasculares. Además, establece una base sólida para futuros estudios que integren múltiples modalidades de imagen, como la combinación de IVUS con tomografía de coherencia óptica (OCT), y el
desarrollo de modelos más robustos capaces de manejar imágenes ruidosas o incompletas. En conclusión, este trabajo representa un avance significativo hacia la automatización del diagnóstico intravascular, ofreciendo una herramienta que mejora la precisión, consistencia y eficiencia del análisis médico, lo cual puede tener un impacto directo en la calidad de vida y la supervivencia de los pacientes si se implementa en la practica clínica.
| Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
| Tesis | Biblioteca Central Mexicali | Colección de Tesis | RB145 G37 2025 (Browse shelf(Abre debajo)) | 1 | Disponible | MXL125442 |
Navegando Biblioteca Central Mexicali Estantes, Código de colección: Colección de Tesis Cerrar el navegador de estanterías (Oculta el navegador de estanterías)
Maestría en Ingeniería
Tesis (Maestría) -- Universidad Autónoma de Baja California. Facultad de Ingeniería, Mexicali, 2025.
Incluye referencias bibliográficas.
La tesis titulada “ Clasificación de Lesiones Intravascular en Imágenes de Ultrasonido Utilizando Algoritmos de Aprendizaje Automático” aborda el desarrollo de un sistema automatizado para la identificación y clasificación de lesiones intravasculares en imágenes obtenidas mediante ultrasonido intravascular (IVUS). Este trabajo responde a la necesidad de superar las limitaciones de los métodos manuales y tradicionales, que suelen ser imprecisos y dependientes de la experiencia del especialista, en procedimientos críticos como la angioplastia coronaria. El ultrasonido intravascular es una herramienta ampliamente utilizada en la cardiología intervencionista para obtener imágenes detalladas de las arterias coronarias. Este método complementa las angiografías tradicionales al ofrecer información precisa sobre la composición y
características de las placas ateroscleróticas, las cuales son factores clave para predecir y prevenir
eventos cardiovasculares adversos, como el síndrome coronario agudo y la muerte súbita cardiaca. Sin embargo, la interpretación de estas imágenes es compleja y propensa a errores, lo que subraya la importancia de sistemas que automaticen esta tarea. La metodología desarrollada en este trabajo integra técnicas avanzadas de visión por computadora y algoritmos de aprendizaje automático para procesar imágenes IVUS. El flujo de trabajo incluye el preprocesamiento de las imágenes, normalización, reducción de ruido mediante filtros gaussianos, y la extracción de los histogramas de intensidad. Estas características se utilizan posteriormente para entrenar y evaluar varios modelos de clasificación, incluyendo máquinas de soporte vectorial (support vector machine, SVM por sus siglas en inglés), bosques aleatorios (Random Forest), algoritmo de Naive Bayes y vecinos cercanos (k-Nearest Neighbors, k-NN por sus siglas en inglés). Los resultados obtenidos en la experimentación demuestran que los algoritmos propuestos son efectivos en la clasificación automática de placas ateroscleróticas, alcanzando altos niveles de precisión en comparación con evaluaciones manuales realizadas por expertos. Adicionalmente,
se desarrolló una interfaz de usuario que permite a los profesionales de la salud cargar
imágenes IVUS, visualizar los resultados del análisis y realizar ajustes manuales si es necesario, mejorando así la utilidad práctica del sistema. La investigación no solo contribuye a optimizar la toma de decisiones clínicas en la angioplastia coronaria, sino que también abre nuevas posibilidades para el uso del aprendizaje automático en la medicina personalizada y la prevención de enfermedades cardiovasculares. Además, establece una base sólida para futuros estudios que integren múltiples modalidades de imagen, como la combinación de IVUS con tomografía de coherencia óptica (OCT), y el
desarrollo de modelos más robustos capaces de manejar imágenes ruidosas o incompletas. En conclusión, este trabajo representa un avance significativo hacia la automatización del diagnóstico intravascular, ofreciendo una herramienta que mejora la precisión, consistencia y eficiencia del análisis médico, lo cual puede tener un impacto directo en la calidad de vida y la supervivencia de los pacientes si se implementa en la practica clínica.
