Repository logo

Browsing by Author "Diego Rene Espinal Valle"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Método para la detección automatizada de espondilolistesis basado en modelo de detección de vertebras por aprendizaje profundo
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-05) Diego Rene Espinal Valle; Carlos Guillermo Mejía Guardado; Karla Reyes
    La espondilolistesis es una afección prevalente de la columna vertebral caracterizada por el desplazamiento anterior de una vértebra sobre otra adyacente. El uso de métodos manuales para su diagnóstico implica una amplia preparación para el médico y puede considerarse una práctica muy compleja y que requiere mucho tiempo, especialmente cuando se trata de múltiples pacientes.Por lo tanto, se necesita un sistema para la detección automática de la espondilolistesis lumbar que reduzca el tiempo empleado en el diagnóstico y proporcione valores objetivos basados en mediciones.Este estudio presenta un método de detección automática de espondilolistesis utilizando un modelo de aprendizaje profundo para la detección vertebral. El objetivo fue desarrollar y validar un algoritmo capaz de identificar con precisión los límites vertebrales y medir la traslación vertebral utilizando el sistema de clasificación Meyerding.La metodología implicó el preprocesamiento de imágenes de rayos X, el entrenamiento de un modelo de detección de vértebras y la implementación de un algoritmo para calcular la traslación vertebral.Para el entrenamiento y la validación se utilizaron un total de 714 imágenes, incluidas 197 de pacientes hondureños y 517 de la base de datos LSPINE de la BUU. El modelo alcanzó una precisión media del 98% en la predicción de los límites y del 95% en la detección de los puntos clave.El rendimiento del algoritmo se validó frente a mediciones manuales realizadas por especialistas, demostrando una alta precisión y fiabilidad. Los resultados indican que el método desarrollado puede reducir significativamente la variabilidad diagnóstica y proporcionar mediciones objetivas, mejorando la toma de decisiones clínicas. Este sistema de detección automatizado ofrece una herramienta prometedora para mejorar el diagnóstico y la planificación del tratamiento de la espondilolistesis.