dc.contributor.advisor | Reina Tosina, Luis Javier | es |
dc.contributor.advisor | Callejón Leblic, María Amparo | es |
dc.creator | Tejero Torres, Lucía | es |
dc.date.accessioned | 2019-04-12T14:42:56Z | |
dc.date.available | 2019-04-12T14:42:56Z | |
dc.date.issued | 2018 | |
dc.identifier.citation | Tejero Torres, L. (2018). Definición de un flujo de trabajo para el desarrollo de modelos computacionales personalizados del cerebro. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/85598 | |
dc.description.abstract | Con la llegada de la neuroimagen ha sido posible estudiar el cerebro de pacientes vivos con el uso de técnicas
no invasivas apoyadas en el análisis de imágenes médicas. Las imágenes de resonancia magnética (MRI, de sus
siglas en inglés) se han vuelto muy importantes en la investigación, constituyendo su procesamiento un amplio
ámbito de estudio. El procesamiento de las imágenes comprende [1] la obtención de cada tejido, registración de
la imagen, reconstrucción de la imagen [2], normalización y suavizado espacial, etc.
Las MRIs son la base para realizar un modelado de la cabeza humana con el fin de analizar la anatomía del
individuo y estudiar los flujos de corriente del cerebro, todo ello en relación a la técnica de estimulación de
corriente directa transcraneal (tDCS) [3], estimulación magnética transcraneal (TMS) y la electroencefalografía
(EEG) [4]. Para realizar estos estudios es necesario tener un modelo computacional de la cabeza del sujeto, que
consiste en realizar el procesamiento de las imágenes, reconstruir esas imágenes en volumen y colocar unos
electrodos sobre el cuero cabelludo [5].
Existen numerosas herramientas para la elaboración de esos modelos [6]. En este trabajo se ha realizado un
estudio de las herramientas más influyentes, haciendo simulaciones de los procesos implicados en la
construcción del modelo computacional para analizar diferencias [7], limitaciones o ventajas de unas frentes a
otras.
Antes de realizar el estudio de las herramientas, fue necesaria una revisión de los formatos utilizados en las
imágenes biomédicas, así como un estudio más profundo del formato NIFTI. También se han investigado otras
formas de visualizar una MRI, para aclarar conceptos en cuanto a coordenadas vóxel, coordenadas mundo,
valores representados en la imagen, orientación de la imagen, etc.
Se realizó un estudio de SPM12 [8], ROAST y SIMNIBS en relación a la segmentación de las imágenes. Con
los resultados obtenidos se procedió al mallado superficial realizado con iso2mesh [9], haciendo una
comparativa de los métodos binsurface y vol2surf. Y por último se estudiaron las herramientas Metch, de
iso2mesh [10], y Mesh2EEG para poder colocar los electrodos sobre la cabeza del sujeto. Tras analizar los
resultados obtenidos y su posterior elección de métodos, se ha realizado un flujo de trabajo que contiene todos
estos pasos realizados de forma automática en su mayor parte.
Por último, todos los conocimientos adquiridos han sido aplicados para resolver el sistema de posicionamiento
del software Brainsight. Este software se creó para desarrollar nuevas herramientas que ayudaran a la
investigación de la neurociencia. Actualmente, es el neuronavegador más popular para TMS [11].
Aprovechando el modelo computacional [12] generado a partir del flujo de trabajo realizado, se localizó un
punto dentro del sistema de coordenadas de este modelo computacional y se buscó la correspondencia con el
sistema de coordenadas de Brainsight. De esta forma se pueden hacer estudios previos en el modelo
computacional del sujeto estimulando una zona objetivo y, tras los resultados, estimular exactamente esa misma
zona en la cabeza real del paciente. | es |
dc.format | application/pdf | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Definición de un flujo de trabajo para el desarrollo de modelos computacionales personalizados del cerebro | es |
dc.type | info:eu-repo/semantics/masterThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones | es |
dc.description.degree | Universidad de Sevilla. Máster en Ingeniería de Telecomunicación | es |
idus.format.extent | 92 p. | es |