Algoritmo de parcelación cerebral intersujeto basado en datos del proyecto del conectoma humano.
| dc.contributor.advisor | Guevara Álvez, Pamela Beatriz | es |
| dc.contributor.advisor | Hernández Rivas, Cecilia Paola | es |
| dc.contributor.author | López Aguilera, Martín Antonio | es |
| dc.date.accessioned | 2026-06-02T14:51:24Z | |
| dc.date.available | 2026-06-02T14:51:24Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil Biomédica. | es |
| dc.description.abstract | En ese estudio se desarrolla una metodología para la parcelación cortical de la corteza cerebral humana basada en Imágenes de Resonancia Magnética (MRI), con el objetivo de analizar el conectoma humano. El enfoque consiste en la segmentación de la corteza cerebral en regiones con patrones de conectividad estructural, derivados de tractogramas y mallados corticales. Los tractogramas son representaciones tridimensionales de las trayectorias de las fibras cerebrales, y los mallados representan la superficie de la corteza cerebral. Los tractogramas y mallados se calcularon a partir de imágenes de Resonancia Magnética Estructural (sMRI) y Resonancia Magnética por Difusión (dMRI) pertenecientes a la base de datos Human Connectome Project Young Adult (HCP-YA). Estos tienen 3 millones de fibras y 81920 triángulos por hemisferio en sus 100 sujetos, respectivamente. Como preprocesamiento, se filtran las fibras pequeñas en base a un umbral, y se aplica un filtro media movil para suavizar. Luego, se identifican los clusters representativos de la población de sujetos mediante dos etapas de clustering de fibras. Primero se aplica el algoritmo FFClust a los tractogramas de cada sujeto, obteniendo clusters de fibras intrajuseto y su centroide respectivo. Luego, se migran estos centroides a un espacio común, donde se obtienen clusters de centroides al aplicar el algoritmo QuickBundles. Para obtener clusters representativos de la población de 100 sujetos, se seleccionaron aquellos clusters intersujeto que contienen centroides de al menos 88 sujetos. Finalmente, se almacena para cada sujeto los clusters de fibras (obtenidos de FFClust) que corresponden a los clusters de centroides (obtenidos de QuickBundles), obteniendo así sólo los clusters representativos de cada sujeto. Para cada sujeto, se obtuvieron 1025 clusters en promedio, en un rango de 664 a 1053 clusters por sujeto. Para asignar estas fibras a la corteza, el algoritmo proyecta cada fibra sobre el mallado cortical, identificando el triángulo inicial y final de cada trayectoria. Esto permite etiquetar triángulos con sus respectivos clusters, formando subparcelas. Estas subparcelas están fuertemente superpuestas, lo que significa que tienen triángulos en común. Para solucionar esto, se determina la probabilidad de que un triángulo sea de cierta subparcela, contando cuántas veces una fibra de cierta subparcela cruza el triángulo y su vecindad. Luego, se definen los centros de densidad como aquellos triángulos que tienen mayor probabilidad en cada subparcela. Las subparcelas que contienen cierto traslape entre sus centros de densidad son combinadas como una sola. Finalmente, se calculan las componentes conexas principales de cada subparcela, y se realiza dilatación morfológica iterativa para obtener parcelas finales. La parcelación final incluye 189 parcelas en el hemisferio izquierdo y 139 en el derecho. | es |
| dc.description.abstract | This study develops a methodology for cortical parcellation of the human cerebral cortex based on Magnetic Resonance Imaging (MRI) to analyze the human connectome. The approach involves segmenting the cerebral cortex into regions with structural connectivity patterns derived from tractograms and cortical meshes. Tractograms are three-dimensional representations of brain fiber trajectories, while meshes represent the cortical surface. Both were computed from Structural MRI (sMRI) and Diffusion MRI (dMRI) data from the Human Connectome Project Young Adult (HCP-YA) database, containing 3 million fibers and 81,920 triangles per hemisphere across 100 subjects. As a preprocessing step, small fibers were filtered based on a threshold, and a moving average filter was applied for smoothing. Then, representative clusters of the subject population were identified through two clustering stages. First, the FFClust algorithm was applied to each subject’s tractograms, obtaining intra-subject fiber clusters and their respective centroids. These centroids were then migrated to a common space, where QuickBundles clustering was applied to group them. To select populationrepresentative clusters, only those containing centroids from at least 88 subjects were retained. Finally, for each subject, the fiber clusters (from FFClust) corresponding to these centroid clusters (from Quick- Bundles) were stored, resulting in an average of 1,025 clusters per subject, ranging from 664 to 1,053. To assign these fibers to the cortex, the algorithm projects each fiber onto the cortical mesh, identifying the initial and final triangle of each trajectory. This allows labeling triangles with their respective clusters, forming subparcels. These subparcels exhibit significant overlap, meaning they share common triangles. To address this, the probability of a triangle belonging to a subparcel is determined by counting how often a fiber from a given subparcel crosses the triangle and its neighborhood. Density centers are then defined as the triangles with the highest probability within each subparcel. Subparcels with overlapping density centers are merged. Finally, the largest connected components of each subparcel are computed, and an iterative morphological dilation process is applied to obtain the final parcels. The final parcellation includes 189 parcels in the left hemisphere and 139 in the right. | en |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.description.sponsorship | ANID, FONDECYT Regular N°1221665 | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/14070 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Resonancia magnética | es |
| dc.subject | Corteza cerebral Análisis | es |
| dc.subject | Tejido nervioso | es |
| dc.title | Algoritmo de parcelación cerebral intersujeto basado en datos del proyecto del conectoma humano. | es |
| dc.type | Thesis | en |