Registro:
| Documento: | Tesis de Grado |
| Título: | Broncoscopía asistida por IA en terapia intensiva : desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas |
| Autor: | Tarsia, Luciano Fabrizio |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Publicación en la web: | 2026-05-10 |
| Fecha de defensa: | 2025-11-10 |
| Fecha en portada: | Octubre de 2025 |
| Grado Obtenido: | Grado |
| Título Obtenido: | Licenciado en Ciencias de la Computación |
| Departamento Docente: | Departamento de Computación |
| Director: | Cotik, Viviana Erica |
| Director Asistente: | Acevedo, Daniel Germán; Mastropasqua, Nicolás Ezequiel |
| Jurado: | Gauder, María Lara; Gaggión Zulpo, Rafael Nicolás |
| Idioma: | Español |
| Palabras clave: | BRONCOSCOPIA; INTELIGENCIA ARTIFICIAL; REDES NEURONALES CONVOLUCIONALES; CORPUS ANOTADO; NAVEGACION ASISTIDA; EDUCACION MEDICABRONCHOSCOPY; ARTIFICIAL INTELLIGENCE; CONVOLUTIONAL NEURAL NETWORKS; ANNOTATED CORPUS; ASSISTED NAVIGATION; MEDICAL EDUCATION |
| Formato: | PDF |
| Handle: |
https://hdl.handle.net/20.500.12110/seminario_nCOM000878_Tarsia |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000878_Tarsia.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nCOM000878_Tarsia |
| Ubicación: | COM 000878 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Tarsia, Luciano Fabrizio. (2025). Broncoscopía asistida por IA en terapia intensiva : desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000878_Tarsia |
Resumen:
El crecimiento de los datos digitales en el ámbito de la salud ha impulsado el desarrollo de tecnologías basadas en inteligencia artificial para analizar y extraer información significativa, particularmente en la imagenología médica. La broncoscopia es un procedimiento médico que permite visualizar directamente las vías respiratorias mediante un broncoscopio, y se utiliza tanto para el diagnóstico de enfermedades pulmonares como para la toma de muestras. Este procedimiento es clave en el diagnóstico y tratamiento de diversas patologías respiratorias, y puede beneficiarse significativamente del uso de herramientas basadas en inteligencia artificial, especialmente en tareas de navegación y localización anatómica. Sin embargo, la falta de un corpus de imágenes de broncoscopia anotadas y accesibles públicamente limita el desarrollo de soluciones en este campo. Este trabajo presenta la creación de un corpus de imágenes broncoscópicas etiquetadas por expertos, obtenidas a partir de 126 videos capturados en pacientes internados en unidades de cuidados intensivos. Los videos fueron registrados utilizando equipamiento estándar de broncoscopia disponible en estos entornos clínicos. Además, se encuentran acompañados de datos demográficos anonimizados, lo que permite realizar análisis complementarios y preservar la confidencialidad de los pacientes. El proceso de anotación se realizó siguiendo criterios refinados iterativamente, de forma tal de obtener un corpus con un alto acuerdo entre anotadores. Con este corpus, se entrenaron y evaluaron dos arquitecturas de redes neuronales convolucionales (ResNet18 y ShuffleNetV2), enfocadas en la clasificación de imágenes según posiciones anatómicas en el árbol bronquial. Los resultados muestran las fortalezas y limitaciones de cada modelo, estableciendo un punto de partida para aplicaciones clínicas y educativas. Este trabajo sienta las bases para futuros avances en la integración de inteligencia artificial en broncoscopia, contribuyendo a mejorar la precisión diagnóstica, la eficiencia de los procedimientos y la formación médica.
Abstract:
The growth of digital data in the healthcare domain has driven the development of artificial intelligence-based technologies for analyzing and extracting meaningful information, particularly in medical imaging. Bronchoscopy is a medical procedure that enables direct visualization of the airways through a bronchoscope and is employed both for diagnosing lung diseases and for collecting samples. This procedure is key to the diagnosis and treat- ment of various respiratory conditions and can greatly benefit from the use of artificial intelligence tools, especially in navigation and anatomical localization tasks. However, the lack of an annotated and publicly accessible corpus of bronchoscopy images limits the development of solutions in this field. This work presents the creation of a corpus of bronchoscopy images labeled by experts, obtained from 126 videos recorded in patients admitted to intensive care units. The videos were captured using standard bronchoscopy equipment available in these clinical settings. In addition, they are accompanied by anonymized demographic data, which allows complementary analyses while preserving patient confidentiality. The annotation process was conducted following criteria refined iteratively, ensuring the construction of a corpus with a high level of inter-annotator agreement. Using this corpus, two convolutional neural network architectures (ResNet18 and Shuf-fleNetV2 ) were trained and evaluated for image classification according to anatomical positions within the bronchial tree. The results highlight the strengths and limitations of each model, establishing a starting point for clinical and educational applications. This work lays the groundwork for future advances in the integration of artificial intelligence in bronchoscopy, contributing to improved diagnostic accuracy, procedural efficiency, and medical training.
Citación:
---------- APA ----------
Tarsia, Luciano Fabrizio. (2025). Broncoscopía asistida por IA en terapia intensiva : desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000878_Tarsia
---------- CHICAGO ----------
Tarsia, Luciano Fabrizio. "Broncoscopía asistida por IA en terapia intensiva : desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2025.https://hdl.handle.net/20.500.12110/seminario_nCOM000878_Tarsia
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000878_Tarsia.pdf
Distrubución geográfica
