Guevara Álvez, Pamela BeatrizHernández Rivas, CeciliaMolina Muñoz, Joaquín Ignacio2025-10-032025-10-032025https://doi.org/10.29393/TMUdeC-152MJ1PC152https://repositorio.udec.cl/handle/11594/13172Tesis presentada para optar al grado de Magíster en Ciencias de la Ingeniería con mención en Ingeniería Eléctrica.El conectoma humano es una red de interacciones entre elementos estructurales y funcionales del cerebro, permitiendo procesar y controlar las funciones corporales. Esta red está compuesta principalmente por dos tejidos: la materia blanca, que corresponde a las vías de comunicación cerebral, y la materia gris, que cumple el rol funcional del cerebro. Asimismo, una parte de la materia gris es la corteza cerebral, la cual puede ser dividida en regiones homogéneas mediante un proceso llamado parcelación cortical, que en general es basado en anatomía, funcionalidad o en conectividad. En particular, las parcelaciones basadas en conectividad estructural, utilizan imágenes de resonancia magnética por difusión (dMRI) y algoritmos de tractografía, que permiten la estimación de fibras cerebrales en forma de polilíneas 3D. Así, es posible subdividir la corteza utilizando clustering sobre la información de conectividad o a partir de la conexión de fascículos de fibras cerebrales. Sin embargo, aún no existe una parcelación aceptada universalmente como referencia y algunas de sus características son inciertas, tales como el número y tamaño óptimo de las parcelas. De la misma manera, la masiva cantidad de datos, variabilidad inter-sujeto y establecer correspondencia espacial entre sujetos, son grandes limitantes para realizar este tipo de estudios. Este trabajo presenta un nuevo método de parcelación cortical multiescala intersujeto basada en conectividad estructural. Este enfoque utiliza atlas de fibras cerebrales para obtener una cantidad razonable de fascículos correspondientes entre sujetos. Los fascículos fueron filtrados y, sus extremos inicial y final fueron intersectados con las superficies corticales de los sujetos, definiendo subparcelas, las cuales fueron agrupadas a partir de un clustering jerárquico en base a su información de conectividad y traslape. Finalmente, se aplicaron distintas particiones, obteniendo distintos niveles de granularidad. Los resultados demuestran un método de parcelación robusto, con un altos índices de reproducibilidad test-retest, en especial para el nivel de granularidad de 200 clusters que obtuvo un índice global de 83%. Se encontraron altos niveles de homogeneidad en la conectividad intra-parcela para la parcelación de 288 parcelas, con un valor global de 0.626, siendo mayor a otros atlas presentes en el estado del arte. Asimismo, se obtuvieron varias parcelas con un valor alto de coeficiente de Silhouette, indicando su alta similitud intra-parcela y baja similitud inter-parcela. El valor de Silhouette global fue 0.208, mayor a los obtenido con otros atlas. También, se calcularon coincidencias con los atlas Desikan, Brainnetome, y los propuestos por Lefranc et al. (2016) y López et al. (2020), encontrando mayores similitudes con los atlas basados en conectividad estructural, siendo el atlas de López et al. el con mayores coincidencias, que presenta 81 parcelas en común con la parcelación propuesta de 288 parcelas.The human connectome is a network of interactions between structural and functional elements of the brain, allowing processing and control of body functions. This network is mainly composed of two tissues: the white matter, which corresponds to the brain’s communication pathways, and the gray matter, which performs the functional role of the brain. Also, part of the gray matter is the cerebral cortex, which can be divided into homogeneous regions by a cortical parcellation, generally based on anatomy, function or connectivity. In particular, structural connectivity-based parcellations use diffusion magnetic resonance imaging (dMRI) and tractography algorithms, which allow the estimation of brain fibers in the form of 3D polylines. Thus, it is possible to subdivide the cortex using clustering over whole-brain connectivity data or using the connectivity from fiber bundles. However, there is still no universally accepted parcellation as a reference and some of its characteristics are still uncertain, such as the optimal number and size of the parcels. Furthermore, the massive amount of data, inter-subject variability and spatial correspondence are great limitations to perform this type of studies. This work presents a new group-wise multiscale cortical parcellation method based on structural connectivity. This approach uses a fiber bundle atlases to obtain a reasonable number of corresponding fascicles between subjects. The fascicles were filtered and, their initial and final ends were intersected with the cortical surfaces of the subjects, defining subparcels, which were grouped by hierarchical clustering based on their connectivity and overlap information. Finally, different partitions were applied, obtaining different levels of granularity. The results demonstrate a robust parcellation method, with a high test-retest reproducibility index, especially for the granularity level of 200 clusters, which obtained a global index of 83%. High levels of homogeneity in intra-parcel connectivity were found for the parcellation composed by 288 parcels, with an overall value of 0.626, being higher than other atlases present in the state-of-the-art. Moreover, several parcels showed a high Silhouette coefficient value, indicating their high intra-parcel similarity and low inter-parcel similarity. The overall Silhouette value was 0.208, higher than other atlases. In addition, matches were calculated with the Desikan, Brainnetome, and Lefranc et al. (2016) and López et al. (2020), finding greater similarities with the atlases based on structural connectivity, being the atlas of López et al. the one with the most matches, which has 81 parcels in common with the proposed parcellation of 288 parcels.esCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalCerebro AtlasCorteza cerebralResonancia magnética AtlasThesisBuena SALUD