Escarramán Martínez, DiegoPérez García, Juan CarlosEscarramán Martínez, Diego; 0000-0003-3190-0258Pérez García, Juan Carlos; 0000-0002-8779-9577Zoquiapa Galaviz, Edwin2026-03-092026-03-092025-10https://hdl.handle.net/20.500.12371/31709“La hemorragia intracraneal, tanto traumática como espontánea, es una emergencia médica crítica con alta mortalidad y potenciales secuelas neurológicas. La detección y clasificación precisas de estas hemorragias son vitales para el pronóstico y toma de decisiones terapéuticas. La tomografía computarizada se destaca como la herramienta diagnóstica más eficiente y rápida, pero su interpretación depende de la experiencia del personal médico, lo que puede llevar a errores y retrasos. Las tecnologías de aprendizaje automático presentan una solución prometedora al permitir una identificación y clasificación automatizadas, mejorando así la precisión y velocidad diagnóstica. Estos modelos, especialmente las redes neuronales convolucionales, son capaces de reconocer patrones en las imágenes de tomografía y realizar segmentaciones automáticas de los hematomas, que es crucial para la evaluación clínica. Integrar estos algoritmos en el flujo de trabajo hospitalario podría optimizar los tiempos de respuesta y mejorar el manejo de pacientes con hemorragias intracraneales al ofrecer una herramienta de apoyo que complemente el juicio médico sin reemplazarlo”.pdfspaMEDICINA Y CIENCIAS DE LA SALUDMedicina (General)--Aplicaciones informáticas en medicina--Temas especiales--Inteligencia artificialMedicina interna--Neurociencias--Enfermedades del sistema nervioso--Enfermedades del sistema nervioso central--Enfermedades cerebrales--Otras enfermedades--HemorragiaCerebro--Hemorragia--Diagnóstico--MétodosDiagnóstico--Innovaciones tecnológicasInteligencia artificial--Aplicaciones médicasTesis de licenciaturaopenAccess