Guevara Álvez, Pamela BeatrizHernández Rivas, Cecilia PaolaJorquera Sáez, Matias Nicolás2026-06-262026-06-262026https://repositorio.udec.cl/handle/11594/14214Tesis presentada para optar al título de Ingeniero/a Civil Biomédica.En las últimas décadas, ha habido un notable progreso en el uso de neuroimágenes, respaldado por una amplia gama de técnicas e investigaciones para el estudio y diagnóstico de imágenes de trastornos cerebrales en diversas enfermedades. Una de estas técnicas es la tractografía cerebral, obtenida a través de resonancia magnética por difusión, que permite visualizar en tres dimensiones las fibras cerebrales y analizar la conectividad entre diferentes regiones del cerebro. Sin embargo, procesar los datos de tractografía es complicado debido a la alta dimensionalidad y complejidad de los datos, ya que estos conjuntos pueden contener cientos de miles o incluso millones de fibras cerebrales con formas variadas. Para abordar esta dificultad se han propuesto diversos algoritmos de clustering que permiten agrupar las fibras según ciertos patrones presentes en los datos. Dentro de los algoritmos de mayor importancia se encuentran: QuickBundles [1]y. Sin embargo al ser algoritmos no supervisados estos no proporcionan una certeza absoluta de que el agrupamiento fue hecho de manera correcta. Para ello un simulador de fascículos propuesto por Elida Poo [2], establece un método que permite evaluar el comportamiento de los algoritmos de clustering mencionados. Este simulador fue validado usando un atlas multisujeto. El simulador existente se basa en un modelo tubular compuesto por 5 secciones circulares a lo largo del centroide de un fascículo. Luego usando curvas splines se generan fibras que pasan por las secciones circulares formando un modelo tubular. En este trabajo se implementó una nueva forma de definir el modelo tubular pero utilizando secciones transversales elípticas para mejorar la simulación de algunos fascículos con formas más complejas. Para la validación, se caracterizaron 38 fascículos de un atlas de referencia mediante Análisis de Componentes Principales (PCA), obteniendo los parámetros geométricos para la simulación. Los resultados comparativos mostraron una alta similitud estructural entre las fibras simuladas y el atlas real, alcanzando un porcentaje de intersección promedio del 50.7% y una distancia media entre fascículos de 11.76 mm. Adicionalmente, se evaluó el algoritmo QuickBundles sobre un cerebro completo simulado, logrando una identificación exitosa de los clústeres mediante la métrica de Overlap Score. Se concluye que el modelo de secciones elípticas permite una representación más realista de la morfología de la materia blanca, ofreciendo una herramienta robusta para validar algoritmos de segmentación.In recent decades, there has been significant progress in the use of neuroimaging, supported by a wide range of techniques and research for the study and diagnosis of brain disorders in various diseases. One such technique is brain tractography, obtained through diffusion magnetic resonance imaging (MRI), which allows for the three-dimensional visualization of brain fibers and analysis of connectivity between different brain regions. However, processing tractographies is complicated due to the high dimensionality and complexity of the data, as these datasets can contain hundreds of thousands or even millions of brain fibers with varied shapes. To address this difficulty, various clustering algorithms have been proposed to group fibers according to certain patterns present in the data. Among the most important algorithms are QuickBundles and FFclust. However, being unsupervised algorithms, they do not provide absolute certainty that the clustering was performed correctly. To address this, a fascicle simulator proposed by Elida Poo establishes a method for evaluating the behavior of the aforementioned clustering algorithms. This simulator was validated using a multi-subject atlas. The existing simulator is based on a tubular model composed of 5 circular sections along the centroid of a fascicle. Then, using spline curves, fibers passing through the circular sections are generated, forming a tubular model. The objective of this project is based on the existing simulator and seeks a new way to define the tubular model but using elliptical cross-sections to improve the simulation of some fascicles with more complex shapes.esCC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 InternationalTrastornos cerebrovascularesImágenes tridimensionales en medicinaFibras nerviosas SecreciónThesis