Aguado Fernández, Iris2023-07-202023-07-202023-07-19https://hdl.handle.net/10115/23341Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2022/2023. Directores/as: Laura Martínez Mateu, Ángel Torrado CarvajalLa enfermedad cardiovascular es una de las principales causas de muerte a nivel global. Varios estudios han demostrado la existencia de una correlación directa entre el tejido adiposo epicárdico (TAE) y el riesgo de desarrollar enfermedades cardiovasculares y metabólicas, como la aterosclerosis y la fibrilación auricular. Generalmente, la cuantificación del TAE se ha venido realizando mediante segmentación manual realizada por un personal experto en este tipo de tejido. Sin embargo, este proceso no sólo requiere mucho tiempo, sino que también está sujeto a la variabilidad existente entre diferentes observadores. Por lo tanto, el objetivo de este TFG se centra en ampliar el trabajo previo existente sobre segmentación automática de ventrículos y extenderlo a las aurículas. Para lograr este objetivo, en primer lugar, se realiza una revisión de las herramientas y estrategias utilizadas en investigaciones anteriores sobre las segmentación del TAE ventricular. Después, se realiza una selección de los datos que se van a utilizar en el proyecto, así como de las arquitecturas más adecuadas para la realización de la tarea de segmentación. El desarrollo del proyecto ha consistido en la segmentación del TAE en imágenes de aurícula obtenidas mediante resonancia magnética cardíaca (RMC) utilizando redes basadas en las arquitecturas convolucionales U-Net, U-Net densa y nnU-Net, así como sus consiguientes modificaciones. Los resultados han sido evaluados utilizando diferentes métricas como el coeficiente DICE, el Coeficiente de Similitud Volumétrica o la distancia de Hausdorff, obteniendo unos resultados mejorables, en especial debido a la calidad de las segmentaciones del conjunto de datos, pero que muestran el camino a seguir con respecto a la segmentación automática de TAE auricular.sparesonancia magnética cardíacavisión artificialdeep learningtejido adiposo epicárdicosegmentaciónU-netnnU-Netanálisis de imagen médicainfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/embargoedAccess