Simulador de Fibras Cerebrales para validar los algoritmos de clustering de fibras y parcelación de la corteza basada en conectividad estructural.
| dc.contributor.advisor | Guevara, Pamela | es |
| dc.contributor.advisor | Hernández, Cecilia | es |
| dc.contributor.author | Poo Pérez, Elida Rosa | es |
| dc.date.accessioned | 2025-01-06T14:17:32Z | |
| dc.date.available | 2025-01-06T14:17:32Z | |
| dc.date.issued | 2024 | |
| dc.description | Tesis presentada para optar al grado académico de Doctor en Ciencias de la Ingeniería con Mención en Ingeniería Eléctrica | es |
| dc.description.abstract | Las imágenes de difusión, combinadas con algoritmos de tractografía, permiten reconstruir los principales fascículos de materia blanca de manera in vivo. Diversos métodos han sido desarrollados para procesar los datos generados por la tractografía, con el fin de identificar las principales estructuras y conexiones cerebrales, junto con sus funciones. Entre estos métodos se encuentran el clustering de fibras y la parcelación cortical que son importantes en la neurociencia computacional y han sido la base de varios estudios de materia blanca. Sin embargo, estos métodos carecen de un ground truth. Una alternativa para evaluar la eficacia de estos algoritmos es el uso de conjuntos de datos de fibras simulados. No obstante, la simulación de las fibras cerebrales representa un desafío debido a su forma irregular y compleja. El objetivo de esta tesis es implementar un simulador de fascículos cerebrales para validar los algoritmos de clustering de fibras y parcelación cortical basada en conectividad estructural. Se proponen dos estrategias de simulación: una basada en curvas exponenciales y otra en splines. La primera estrategia utiliza centroides y los extremos de las fibras se modifican con funciones exponenciales. La segunda usa el centroide, un modelo tubular para modelar el fascículo y splines para la representación de las fibras que lo componen. Los algoritmos fueron validados mediante la simulación de fascículos de un atlas de Materia Blanca Profunda. Los fascículos simulados se compararon con los del atlas, y ambos algoritmos mostraron distancias inter-fascículo bajas y altos porcentajes de intersección entre los fascículos originales y los simulados. Sin embargo, el algoritmo basado en splines superó al de las curvas exponenciales, obteniendo valores más altos en las medidas comparativas. Para probar la utilidad del simulador se simularon datos de cerebro completo para evaluar el rendimiento de los algoritmos de clustering: QuickBundles y Fast Fiber Clustering. Los resultados indican que QuickBundles tiende a dividir menos y Fast Fiber Clustering tiende a fusionar menos. La agrupación correcta de los clusters por parte de ambos algoritmos disminuye, cuando se aumenta el número de fascículos. Además, los dos algoritmos de clustering muestran un comportamiento robusto frente a la permutación de los datos de entrada. El simulador basado en curvas splines fue extendido para incluir formas más complejas en los extremos, como las parcelas corticales. Este modelo mantiene la forma tubular en las regiones intermedias y central, mientras que las externas las modela según los vértices de las parcelas. Usando esta extensión del simulador de fascículos y una parcelación basada en distancia geodésica se generó una base de datos simulada de parcelaciones y sus conexiones. Esta base de datos se utilizó para evaluar el comportamiento de un algoritmo de parcelación basado en conectividad estructural. Finalmente, se realizó una comparación entre las parcelas generadas por el algoritmo de parcelación basado en conectividad y las obtenidas por el algoritmo basado en distancia geodésica utilizando el coeficiente de DICE y el Índice de Rand Ajustado, lo que resultó en aproximadamente 120 parcelas similares por hemisferio. El simulador de fascículos cerebrales presentado en este trabajo representa una herramienta innovadora ya que no existe ninguna similar en el estado del arte. En el contexto actual, es el primer simulador de fascículos de fibras cerebrales capaz de evaluar algoritmos de análisis de tractografía cerebral utilizando datos realistas. Además, los códigos del simulador y la base de datos simulada se ponen a disposición de la comunidad científica, facilitando su acceso y uso para futuras investigaciones. | es |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Eléctrica | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.description.sponsorship | ANID, Beca Doctorado Nacional/21210353 | es |
| dc.description.sponsorship | ANID, FONDECYT Regular 1190701 | es |
| dc.description.sponsorship | ANID, FONDECYT Regular 1221665 | es |
| dc.description.sponsorship | ANID, ANILLO ACT210053 | es |
| dc.description.sponsorship | ANID, BASAL Centers FB0008 (AC3E) | es |
| dc.description.sponsorship | ANID, BASAL Centers FB210017 (CENIA) | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/12271 | |
| 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 | Algoritmos | es |
| dc.subject | Simulación por computadores | es |
| dc.subject | Corteza cerebral | es |
| dc.subject.ods | Buena SALUD | es |
| dc.title | Simulador de Fibras Cerebrales para validar los algoritmos de clustering de fibras y parcelación de la corteza basada en conectividad estructural. | es |
| dc.type | Thesis | en |