Reducción de artefactos metálicos en tomografía computarizada: métodos clásicos e inteligencia artificial open source

Monteblanco Fernandez, Nataly Lucia

dc.contributor.advisor	Meca Castro, Edward Artemio	es_ES
dc.contributor.advisor	Huayanay Espinoza, Carlos Andres	es_ES
dc.contributor.author	Monteblanco Fernandez, Nataly Lucia	es_ES
dc.date.accessioned	2025-07-24T17:28:39Z
dc.date.available	2025-07-24T17:28:39Z
dc.date.issued	2025
dc.identifier.other	218320	es_ES
dc.identifier.uri	https://hdl.handle.net/20.500.12866/17457
dc.description.abstract	Introducción: La presencia de artefactos metálicos en tomografía computarizada afectan la calidad de la imagen diagnóstica, lo que ha impulsado el desarrollo de métodos como la reconstrucción iterativa, el uso de inteligencia artificial (IA) y la tomografía computarizada de energía dual para su reducción. Objetivo: Describir cómo los métodos clásicos e inteligencia artificial open source mejoran la calidad de imagen y la interpretabilidad diagnóstica en tomografía computarizada al reducir los artefactos metálicos producidos. Metodología: Se realizó una revisión narrativa de artículos en inglés publicados en los años 2010 al 2025. Asimismo, se consideró referencias bibliográficas de expertos en el tema, sin consideración de los años, por la importancia relevante de la información. Los documentos fueron extraídos de Pubmed y Google Scholar. Descripción de hallazgos: Se encontraron 27 artículos donde se resalta que la principal diferencia entre ambos métodos (clásicos e IA) es el grado de reducción de los artefactos, sin embargo, al usar ambas técnicas se pudo observar mayor fiabilidad en el diagnóstico por imágenes. De la misma manera, se evidenció que, en el Perú, métodos como SEMAR y MARs mejoran la tomografía computarizada hasta en un 82% y 48% en la interpretabilidad diagnóstica, respectivamente. Asimismo, a nivel global, Quad-Net supera a DuDoNet y DANNet en precisión en la reconstrucción (RMSE 0.86, PSNR 43.45 dB, SSIM 98.16%). Conclusiones: Se evidencia que los métodos clásicos son efectivos en implantes pequeños, mientras que la IA mejora la reconstrucción de imágenes con mayor precisión y menos ruido. La combinación de ambos enfoques resulta ser la estrategia más eficaz.	es_ES
dc.description.abstract	Introduction: The presence of metallic artifacts in computed tomography affects diagnostic image quality, driving the development of methods such as iterative reconstruction, artificial intelligence (AI), and dual-energy computed tomography for their reduction. Objective: To describe how classical methods and open-source artificial intelligence improve image quality and diagnostic interpretability in computed tomography by reducing metallic artifacts. Methodology: A narrative review was conducted on English-language articles published between 2010 and 2025. Additionally, bibliographic references from experts in the field were considered, regardless of publication year, due to the relevance of the information. The documents were sourced from PubMed and Google Scholar. Description of findings: Similarly, it was evidenced that, in Peru, methods such as SEMAR and MARs improve computed tomography by up to 82% and 48% in diagnostic interpretability, respectively. Likewise, at a global level, Quad-Net outperforms DuDoNet and DANNet in reconstruction accuracy (RMSE 0.86, PSNR 43.45 dB, SSIM 98.16%). Conclusions: Classical methods are effective for small implants, while AI enhances image reconstruction with greater precision and less noise. The combination of both approaches proves to be the most effective strategy.	es_ES
dc.format	application/pdf	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Universidad Peruana Cayetano Heredia	es_ES
dc.rights	info:eu-repo/semantics/openAccess	es_ES
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es	es_ES
dc.subject	Reducción de Artefactos Metálicos	es_ES
dc.subject	Tomografía	es_ES
dc.subject	Rayos X Competitivos	es_ES
dc.subject	Algoritmos	es_ES
dc.subject	Inteligencia Artificial	es_ES
dc.title	Reducción de artefactos metálicos en tomografía computarizada: métodos clásicos e inteligencia artificial open source	es_ES
dc.title.alternative	Metal artifacts reduction for computed tomography scans: classical and open source artificial intelligence methods	es_ES
dc.type	info:eu-repo/semantics/monograph	es_ES
thesis.degree.name	Segunda Especialidad Profesional en Tecnología en Tomografía Computarizada	es_ES
thesis.degree.grantor	Universidad Peruana Cayetano Heredia. Facultad de Medicina Alberto Hurtado. Escuela de Tecnología Médica	es_ES
thesis.degree.discipline	Tecnología en Tomografía Computarizada	es_ES
dc.publisher.country	PE	es_ES
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#3.02.12	es_ES
renati.author.dni	73140694
renati.advisor.orcid	https://orcid.org/0000-0002-1226-9299	es_ES
renati.advisor.orcid	https://orcid.org/0000-0002-8462-3218	es_ES
renati.advisor.dni	40569815
renati.advisor.dni	70214397
renati.type	https://purl.org/pe-repo/renati/type#trabajoAcademico	es_ES
renati.level	https://purl.org/pe-repo/renati/level#tituloSegundaEspecialidad	es_ES
renati.discipline	915995	es_ES