[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127132-110":49,"doc-detail-127132-es":128},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":121,"head_meta":123,"extra_data":125,"updated_unix":127},110,"es","implementation-of-machine-learning-models-for-the-analysis-of-plantar-fascia-ultrasound-images","Implementación de modelos de Machine Learning para el análisis de ecografías de fascias plantares","","El trabajo fin de grado desarrolla modelos basados en Machine Learning y Redes Neuronales para analizar imágenes ecográficas de las fascias plantares, orientando el apoyo al diagnóstico médico. El estudio se organiza en tres fases: clasificación de la calidad (buenas, regulares o malas) para filtrar imágenes no aptas, segmentación automática de estructuras clave mediante una U-Net optimizada y, finalmente, puntuación automática de zonas segmentadas según evaluaciones previas de un fisioterapeuta. La solución busca automatizar y mejorar precisión y eficiencia clínica, reduciendo carga asistencial.",{"@graph":59,"@context":120},[60,77,99],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":27,"@type":66,"position":73},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/implementation-of-machine-learning-models-for-the-analysis-of-plantar-fascia-ultrasound-images/127132/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/implementation-of-machine-learning-models-for-the-analysis-of-plantar-fascia-ultrasound-images/127132.png","ImageObject",300,407,{"name":85,"@type":86},"Riley","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-17","2026-08-05",true,{"@type":95,"interactionType":96,"userInteractionCount":98},"InteractionCounter",{"@type":97},"ViewAction",6,{"@type":100,"mainEntity":101},"FAQPage",[102,108,112,116],{"name":103,"@type":104,"acceptedAnswer":105},"Cuál es el objetivo principal del proyecto sobre ecografías de fascias plantares?","Question",{"text":106,"@type":107},"Desarrollar modelos de Machine Learning y redes neuronales para analizar ecografías con el fin de contribuir a mejorar el diagnóstico médico, automatizando pasos como la calidad, la segmentación y la evaluación de zonas.","Answer",{"name":109,"@type":104,"acceptedAnswer":110},"Cómo funciona la primera fase del trabajo (clasificación de la calidad)?",{"text":111,"@type":107},"Se implementa un modelo que clasifica las ecografías en “buenas”, “regulares” o “malas”, permitiendo filtrar aquellas imágenes que no son aptas para un diagnóstico posterior.",{"name":113,"@type":104,"acceptedAnswer":114},"Qué etapas incluye la segmentación y cómo se usa U-Net?",{"text":115,"@type":107},"La segmentación busca delimitar estructuras relevantes (hueso, fascia y límites de la fascia). Se emplea una arquitectura U-Net optimizada, generando máscaras a partir del entrenamiento con el conjunto de datos preparado.",{"name":117,"@type":104,"acceptedAnswer":118},"Cómo se obtiene la puntuación automática de las zonas segmentadas?",{"text":119,"@type":107},"En la tercera fase se desarrolla un modelo que puntúa automáticamente el estado de las partes segmentadas basándose en evaluaciones previas realizadas por un fisioterapeuta, asignando valores que representan el nivel de salud de cada zona.","https://schema.org",{"og:url":75,"og:type":122,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":124,"canonical":75},"index,follow",{"doc_id":126,"site_id":52},127132,1785937064,{"code":4,"msg":5,"data":129},{"doc_id":126,"user_id":130,"nickname":85,"user_avatar":131,"doc_module":4,"category_id":26,"category_name":27,"doc_title":55,"doc_description":57,"doc_content":132,"file_id":133,"file_url":134,"file_type":135,"file_size":136,"view_count":98,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":137,"language":138,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":139,"faqs":140,"seo_title":141,"seo_description":57,"update_tm":127,"read_time":142},687207022233,"https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d","Trabajo Fin de Grado  \nImplementación de modelos de Machine Learning para el an álisis de ecografías de fascias plantares  \nImplementation of Machine Learning models for the analysis of plantar fascia ultrasound images  \nAutor  \nIsmael Hernández Medrano  \nDirector/es  \nMario Morales Hernández  \nMiguel Malo Urriés  \nGrado en Ingeniería Mecánica  \nUniversidad de Zaragoza  \nEscuela de Ingeniería y Arquitectura  \nImplementación de modelos de Machine Learning para elanálisis de ecografías de fascias plantares  \nResumen  \nEste proyecto se centra en el desarrollo de un modelo basado en técnicas de Machine Learning y Redes Neuronales para analizar imágenes ecográficas de las fascias plantares, con el objetivo de contribuir a la mejora en el diagnóstico médico. La investigación se divide en tres fases principales: la clasificación de la calidad de las ecografías, la segmentación delas partes más relevantes de las imágenes y la puntuación automática de dichas zonas según su estado de salud.  \nEn la primera fase, se implementó un modelo para clasificar las ecografías en \"buenas\",\"regulares\" o \"malas\", lo que permitió filtrar aquellas imágenes que no eran aptas para un diagnóstico. Posteriormente, se llevó a cabo la segmentación automática de las partes críticas de las ecografías (hueso, fascia y límites de la fascia), empleando una arquitectura U-Net que fue optimizada para este propósito. Finalmente, en la tercera fase, se desarrolló un modelocapaz de puntuar automáticamente el estado de cada parte segmentada, basándose en evaluaciones realizadas previamente por un fisioterapeuta, asignando valores que representan el nivel de salud de las distintas partes de la ecografía.  \nA través del uso de técnicas avanzadas de inteligencia artificial, este trabajo propone una solución tecnológica que puede automatizar y optimizar procesos médicos, reduciendo la carga de trabajo de los especialistas y aumentando la precisión en los diagnósticos. Esteenfoque interdisciplinar, que combina los fundamentos de la ingeniería mecánica y lainnovación computacional, pone de manifiesto el papel crucial de la ingeniería en el desarrollode herramientas que impactan directamente en la salud y el bienestar de las personas.  \nÍndice  \n1 Introducción ................................................................................................................... 4  \n1.1 Contexto ................................................................................................................. 4  \n1.1.1 ¿Qué es la fascitis plantar?.............................................................................. 4  \n1.1.2 ¿Qué es una ecografía y cómo funciona?........................................................ 4  \n1.1.3 Limitaciones del diagnóstico actual y necesidad de automatización ................ 5  \n1.2 Objetivo del proyecto .............................................................................................. 5  \n1.3 Procesamiento preliminar de datos ......................................................................... 6  \n1.3.1 Extracción de imágenes................................................................................... 6  \n1.3.2 Clasificación manual de las imágenes ............................................................. 6  \n2 Clasificación de las ecografías ....................................................................................... 7  \n2.1 Modelo de clasificación ........................................................................................... 8  \n2.1.1 División del conjunto de datos y preprocesado ................................................ 8  \n2.1.2 Arquitectura y entrenamiento del modelo ......................................................... 9  \n2.2 Modificación del modelo para clasificación multiclase ........................................... 10  \n2.3 Análisis de los errores........................................................................................... 12  \n2.4 Análisis de la rep","cbCaiePUMNSqZOLG","https://ap.wps.com/l/cbCaiePUMNSqZOLG","pdf",1981555,33,"Spanish","# Introducción\n## Contexto\n## Objetivo del proyecto\n## Procesamiento preliminar de datos\n# Clasificación de las ecografías\n## Modelo de clasificación\n## Modificación del modelo para clasificación multiclase\n## Análisis de los errores\n## Análisis de la reproducibilidad de las clasificaciones\n# Segmentación de las ecografías\n## Preparación del conjunto de datos\n## Tipos de ecografías segmentadas\n## Generación de las máscaras de segmentación\n## Características del modelo de segmentación\n## Compilación y entrenamiento del modelo\n## Modelo avanzado en el clúster Hermes\n# Puntuación de las zonas segmentadas\n## Modelo de puntuación\n## Modificaciones del modelo de puntuación\n## Análisis de los resultados\n# Conclusiones y trabajo futuro\n# Bibliografía","[{\"question\":\"Cuál es el objetivo principal del proyecto sobre ecografías de fascias plantares?\",\"answer\":\"Desarrollar modelos de Machine Learning y redes neuronales para analizar ecografías con el fin de contribuir a mejorar el diagnóstico médico, automatizando pasos como la calidad, la segmentación y la evaluación de zonas.\"},{\"question\":\"Cómo funciona la primera fase del trabajo (clasificación de la calidad)?\",\"answer\":\"Se implementa un modelo que clasifica las ecografías en “buenas”, “regulares” o “malas”, permitiendo filtrar aquellas imágenes que no son aptas para un diagnóstico posterior.\"},{\"question\":\"Qué etapas incluye la segmentación y cómo se usa U-Net?\",\"answer\":\"La segmentación busca delimitar estructuras relevantes (hueso, fascia y límites de la fascia). Se emplea una arquitectura U-Net optimizada, generando máscaras a partir del entrenamiento con el conjunto de datos preparado.\"},{\"question\":\"Cómo se obtiene la puntuación automática de las zonas segmentadas?\",\"answer\":\"En la tercera fase se desarrolla un modelo que puntúa automáticamente el estado de las partes segmentadas basándose en evaluaciones previas realizadas por un fisioterapeuta, asignando valores que representan el nivel de salud de cada zona.\"}]","Implementación de modelos de Machine Learning para el análisis de ecografías de fascias plantares | PDF",51]