Blanca A. Acevedo-Ruiz-Esparza, Coordinación de Auxiliar Diagnóstico, Hospital General de Zona No. 2, Instituto Mexicano del Seguro Social, Aguascalientes, Ags., México
Hermilo Sánchez-Cruz, Departamento de Ciencias de la Computación, Universidad Autónoma de Aguascalientes, Ags., México
Blanca O. Murillo-Ortiz, Unidad de Investigación en Epidemiologia No. 1 Bajío, Instituto Mexicano del Seguro Social, León, Gto, México
Ángel E. Muñoz-Zavala, Departamento de Ciencias de la Computación, Universidad Autónoma de Aguascalientes, Ags., México
Arón Hernández-Trinidad, División de Ciencias e Ingeniería, Universidad de Guanajuato, Campus León, León, Gto., México
Rafael Guzmán-Cabrera, División de Ciencias e Ingeniería, Universidad de Guanajuato, Campus León, León, Gto., México
Teodoro Córdova-Fraga, División de Ciencias e Ingeniería, Universidad de Guanajuato, Campus León, León, Gto., México
María G. Campos-Escoto, Coordinación de Auxiliar Diagnóstico, Unidad Médica Familiar No. 7, Instituto Mexicano del Seguro Social, Aguascalientes, Ags., México
Objetivo: Crear una herramienta automatizada, de segmentación rápida para líquido libre peritoneal usando aprendizaje profundo. Método: Se recopiló un conjunto de datos de imágenes de tomografía computarizada de 30 pacientes con líquido libre peritoneal. La segmentación de referencia se realizó manualmente y la automática con 3D U-Net. Resultados: Nuestra red tiene un coeficiente de Dice de 0.79 e IoU de 0.68. Conclusiones: La red neuronal propuesta es una herramienta útil para la segmentación del líquido libre peritoneal, proporcionando información específica sobre la densidad y volumen del líquido en los pacientes, con una diferencia media de 226 ml, con la arquitectura 3D U-Net, la segmentación automática del líquido libre peritoneal se puede realizar en cuestión de milisegundos. Este esquema de segmentación completamente automática convierte el proceso en una herramienta valiosa para la planificación del tratamiento y el pronóstico de diversas enfermedades.
Palabras clave: Líquido ascítico. Ascitis. Inteligencia artificial. Aprendizaje profundo. Redes neuronales de la computación. Imagenología tridimensional.
