Aplicación y Comparativa de Modelos Estado del Arte en Segmentación Semántica para Imágenes Laparoscópicas

Resumen

En el ámbito médico actual, la laparoscopia emerge como una técnica quirúrgica de mínima invasión, esencial tanto en el diagnóstico como en el tratamiento de patologías intraabdominales. A pesar de su revolucionario impacto, al reducir traumatismos y optimizar la visualización mediante el uso del laparoscopio, esta modalidad enfrenta desafíos inherentes, particularmente en su integración con sistemas robóticos avanzados, como el sistema Da Vinci. Uno de los retos más críticos es la precisa identificación y seguimiento de las herramientas quirúrgicas, crucial para garantizar una operación exitosa y segura. Con el advenimiento de la inteligencia artificial, y en particular de la visión por computadora, se han propuesto soluciones basadas en el aprendizaje profundo para la detección y rastreo de instrumentos en entornos laparoscópicos. No obstante, aún se observan limitaciones, especialmente en la segmentación precisa de instrumentos frente a tejidos adyacentes. Ante este escenario, el presente estudio propone investigar la eficacia de algoritmos de vanguardia en segmentación semántica de imágenes para solventar dichas limitaciones. Más allá de un análisis comparativo de algoritmos actuales, este trabajo aspira a sentar precedentes para el desarrollo de métodos de segmentación especializados para imágenes laparoscópicas. La segmentación precisa es imperativa en la laparoscopia, facilitando la identificación de áreas críticas, optimizando maniobras quirúrgicas y reduciendo riesgos intraoperatorios. A través de esta investigación se busca no solo potenciar la laparoscopia, sino también ofrecer una herramienta integral que aumente la seguridad y eficiencia, y que permita una disminución de los costos asociados a tecnologías médicas de punta.