Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre

"La ecografía ha revolucionado el cuidado prenatal al proporcionar una herramienta no invasiva para evaluar el desarrollo fetal y detectar anomalías cromosómicas en el primer trimestre, como el síndrome de Down (trisomía 21), trisomía 18 y trisomía 13. Mediciones clave incluyen la translucencia...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Grau, Gonzalo, Laszeski, Josué
Formato: Proyecto final de grado
Lenguaje:Español
Publicado: Instituto Tecnológico de Buenos Aires (ITBA) 2026
Materias:
ECOGRAFÍA, ULTRASONIDO, OBSTETRICIA, TRANSLUCENCIA NUCAL, REDES NEURONALES, CNN, DEEP LEARNING, MOBILENET, YOLO
Acceso en línea:https://hdl.handle.net/20.500.14769/5234
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5234
record_format dspace
spelling I32-R138-20.500.14769-52342026-04-29T14:41:53Z Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre Grau, Gonzalo Laszeski, Josué ECOGRAFÍA, ULTRASONIDO, OBSTETRICIA, TRANSLUCENCIA NUCAL, REDES NEURONALES, CNN, DEEP LEARNING, MOBILENET, YOLO "La ecografía ha revolucionado el cuidado prenatal al proporcionar una herramienta no invasiva para evaluar el desarrollo fetal y detectar anomalías cromosómicas en el primer trimestre, como el síndrome de Down (trisomía 21), trisomía 18 y trisomía 13. Mediciones clave incluyen la translucencia nucal (TN) y la presencia del hueso nasal (HN), que requieren identificar el plano sagital medio fetal en tiempo real para congelar la imagen y realizar evaluaciones precisas. Este proyecto desarrolla un sistema impulsado por inteligencia artificial (IA) y aprendizaje profundo (DL) para analizar videos preexistentes o transmisiones en vivo de ecografías, conectándose directamente al ecógrafo. Utiliza un clasificador binario basado en MobileNet-v3 para distinguir frames “útiles” según la posición fetal, y un detector de objetos con YOLO-v8 para localizar TN y HN en frames seleccionados. Los modelos se entrenaron con un dataset externo público de 1628 imágenes estáticas anotadas y un dataset interno de 36 videos recopilados en 2025 por la Dra. Juliana Prados. Tras ajuste fino, el clasificador alcanza 83% de exactitud en el dataset interno, y el detector obtiene 77% de IoU promedio. Se implementó una plataforma web en la nube para recolección de datos, anotación colaborativa y procesamiento en tiempo real, probada exitosamente en un estudio clínico en vivo. Esta aplicación es ampliamente extensible, escalable y segura. Los resultados demuestran el potencial para automatizar la detección fetal, reducir variabilidad interobservador y mejorar la eficiencia en cribado prenatal. Futuras extensiones incluyen medición automática de TN y evaluación de reducción en tiempo de estudio". 2026-01-28T15:20:48Z 2026-01-28T15:20:48Z 2026-12-23 Proyecto final de grado https://hdl.handle.net/20.500.14769/5234 es application/pdf Instituto Tecnológico de Buenos Aires (ITBA)
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic ECOGRAFÍA, ULTRASONIDO, OBSTETRICIA, TRANSLUCENCIA NUCAL, REDES NEURONALES, CNN, DEEP LEARNING, MOBILENET, YOLO
spellingShingle ECOGRAFÍA, ULTRASONIDO, OBSTETRICIA, TRANSLUCENCIA NUCAL, REDES NEURONALES, CNN, DEEP LEARNING, MOBILENET, YOLO
Grau, Gonzalo
Laszeski, Josué
Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
topic_facet ECOGRAFÍA, ULTRASONIDO, OBSTETRICIA, TRANSLUCENCIA NUCAL, REDES NEURONALES, CNN, DEEP LEARNING, MOBILENET, YOLO
description "La ecografía ha revolucionado el cuidado prenatal al proporcionar una herramienta no invasiva para evaluar el desarrollo fetal y detectar anomalías cromosómicas en el primer trimestre, como el síndrome de Down (trisomía 21), trisomía 18 y trisomía 13. Mediciones clave incluyen la translucencia nucal (TN) y la presencia del hueso nasal (HN), que requieren identificar el plano sagital medio fetal en tiempo real para congelar la imagen y realizar evaluaciones precisas. Este proyecto desarrolla un sistema impulsado por inteligencia artificial (IA) y aprendizaje profundo (DL) para analizar videos preexistentes o transmisiones en vivo de ecografías, conectándose directamente al ecógrafo. Utiliza un clasificador binario basado en MobileNet-v3 para distinguir frames “útiles” según la posición fetal, y un detector de objetos con YOLO-v8 para localizar TN y HN en frames seleccionados. Los modelos se entrenaron con un dataset externo público de 1628 imágenes estáticas anotadas y un dataset interno de 36 videos recopilados en 2025 por la Dra. Juliana Prados. Tras ajuste fino, el clasificador alcanza 83% de exactitud en el dataset interno, y el detector obtiene 77% de IoU promedio. Se implementó una plataforma web en la nube para recolección de datos, anotación colaborativa y procesamiento en tiempo real, probada exitosamente en un estudio clínico en vivo. Esta aplicación es ampliamente extensible, escalable y segura. Los resultados demuestran el potencial para automatizar la detección fetal, reducir variabilidad interobservador y mejorar la eficiencia en cribado prenatal. Futuras extensiones incluyen medición automática de TN y evaluación de reducción en tiempo de estudio".
format Proyecto final de grado
author Grau, Gonzalo
Laszeski, Josué
author_facet Grau, Gonzalo
Laszeski, Josué
author_sort Grau, Gonzalo
title Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
title_short Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
title_full Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
title_fullStr Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
title_full_unstemmed Desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
title_sort desarrollo de un sistema de detección y localización automática de estructuras fetales en tiempo real para ecografías de screening del primer trimestre
publisher Instituto Tecnológico de Buenos Aires (ITBA)
publishDate 2026
url https://hdl.handle.net/20.500.14769/5234
work_keys_str_mv AT graugonzalo desarrollodeunsistemadedeteccionylocalizacionautomaticadeestructurasfetalesentiemporealparaecografiasdescreeningdelprimertrimestre
AT laszeskijosue desarrollodeunsistemadedeteccionylocalizacionautomaticadeestructurasfetalesentiemporealparaecografiasdescreeningdelprimertrimestre
_version_ 1865139578776584192

Ejemplares similares