Hatem Abdellatif FATAHALLAH IBRAHIM MAHMOUD, Domènec PUIG VALLS

-

Segmentación 3D de tumores pulmonares en tomografía computarizada mediante modelos fundacionales basados en SAM

El cáncer de pulmón es una de las principales causas de mortalidad por cáncer en todo el mundo, y la segmentación precisa de lesiones tumorales en imágenes de tomografía computarizada (TC) es un paso clave para el diagnóstico asistido por ordenador, la planificación clínica y el seguimiento de la enfermedad. En los últimos años, los modelos fundacionales de segmentación, como SAM y sus variantes adaptadas a imagen médica, han mostrado un gran potencial para mejorar la generalización y la precisión en tareas complejas de segmentación. Este Trabajo de Fin de Grado tiene como objetivo desarrollar una tubería de preprocesamiento, entrenamiento y evaluación para la segmentación 3D de tumores pulmonares en volúmenes de TC, utilizando un modelo basado en MedSAM2 o una arquitectura equivalente adaptada a imagen médica volumétrica. El trabajo se centrará en preparar los datos en un formato adecuado para este tipo de modelos, trabajar con datasets que ya dispongan de máscaras de segmentación, y analizar el rendimiento del sistema en términos de calidad de segmentación y viabilidad computacional. Objetivos Objetivo general Desarrollar y evaluar una metodología para la segmentación 3D de tumores pulmonares en TC mediante un modelo fundacional basado en SAM adaptado a imagen médica. Objetivos específicos Adaptación de modelos fundacionales basados en SAM para la segmentación 3D de tumores pulmonares en TC Preprocesamiento y segmentación 3D de cáncer de pulmón en tomografía computarizada mediante MedSAM2 Segmentación volumétrica de lesiones pulmonares en TC utilizando modelos fundacionales de imagen médica

10-APR-2026

Cáncer de pulmón Tomografía computarizada (TC) Segmentación 3D MedSAM2 Foundation models Deep learning Imagen médica Preprocesamiento de datos

-