Revisión sistemática de métodos para el análisis automático de tumores cerebrales en imágenes de resonancia magnética

• Autor: Palacios Lopez, Mario Alfredo
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15857
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15857
• Nivel de acceso: acceso abierto
• Materia: Tumores cerebrales; Resonancia magnética; Aprendizaje profundo; Segmentación; Detección; https://purl.org/pe-repo/ocde/ford#2.02.04

Los tumores cerebrales representan una patología compleja cuya detección mediante resonancia magnética enfrenta limitaciones como la variabilidad diagnóstica y la falta de estandarización, dificultando la identificación temprana y la intervención oportuna. Esta revisión sistemática, basada en 39 estudios publicados entre 2021 y 2025, examinó métodos automáticos basados en aprendizaje automático y profundo para el análisis de tumores cerebrales en imágenes de resonancia magnética, evaluando arquitecturas, técnicas y métricas de rendimiento recientes. Los hallazgos muestran una evolución desde arquitecturas CNN-residuales hacia U-Net tridimensionales y transformers, con aprendizaje profundo superando de manera consistente a enfoques tradicionales. No obstante, persiste la dependencia de conjuntos de datos específicos y la ausencia de validación externa multicéntrica, lo que limita la generalización clínica. Se identifica una brecha entre el alto rendimiento algorítmico en entornos experimentales y su aplicabilidad en contextos hospitalarios, especialmente en tareas de segmentación y clasificación compleja. Redes convolucionales y variantes de U-Net lideran la detección, segmentación y clasificación automatizada de tumores cerebrales. Sin embargo, la implementación clínica requiere validación multicéntrica, estandarización de protocolos y diversificación de conjuntos de datos, cerrando la brecha entre innovación tecnológica y práctica neuro-oncológica efectiva