Pipeline basado en OCR para la extracción de tablas de informes de absorciometría dual de rayos X de columna vertebral

Identificador:  TFM:2535

Handle: https://hdl.handle.net/20.500.11797/TFM2535

Autores:  Leal Rodríguez, Samuel

Resumen:
Esta tesis presenta un flujo de trabajo basado en OCR para la extracción automática de datos estructurados a partir de informes de absorciometría de rayos X de energía dual (DXA) utilizados en el diagnóstico de la osteoporosis. El sistema emplea el recorte mediante coordenadas fijas y la segmentación basada en el color para identificar tres tablas clave que contienen datos demográficos del paciente, metadatos del examen y mediciones de densidad mineral ósea. Mediante el uso de Surya OCR para el reconocimiento de texto y el análisis de coordenadas espaciales para la reconstrucción de tablas, el sistema logró una excelente precisión en la detección de tablas utilizando 100 imágenes DXA estandarizadas de Hologic (correspondientes al periodo 2020-2025). Este enfoque prioriza la eficiencia computacional sobre la generalizabilidad, transformando imágenes médicas no estructuradas en un formato CSV legible por máquina para aplicaciones de investigación e integración en historias clínicas electrónicas.