← Proyectos
Computacional / IA2024 — 2025

Havers Analysis

Tres aplicaciones que detectan los canales de Havers en una histología de hueso y convierten la imagen en datos para modelar hueso biomimético en 3D.

Marco
Trabajo Final de Grado · Mención Desarrollo y Simulación
Proyecto
Phygital Human Bone 3.0
Tutores
Dr. Juan Crespo, Marco Gesualdo
Herramientas
Python, YOLOv11, OpenCV, Grasshopper

01 — Problema

Contar a mano no escala

Analizar a mano las microestructuras de una muestra de hueso lleva entre 3 y 6 horas y el resultado depende de quién mire. Además, esos datos nunca llegan al modelado 3D.

81,5 %mAP50 del modelo
< 5 minpor imagen
559imágenes de entrenamiento
200 MPresolución máxima

02 — Sistema

De la imagen al modelo

Cada aplicación resuelve un paso y entrega sus datos a la siguiente.

1 · Detection

Detectar

Divide la imagen en 150 segmentos y localiza cada canal con un modelo YOLO entrenado para ello.

Mapa de coordenadas de los canales detectados sobre el corte de fémur
2 · Breaking

Evaluar

Reparte la muestra en 36 cuadrantes y señala la zona más frágil y el camino probable de fractura.

Corte de fémur con el cuadrante más frágil marcado en rojo
3 · Distribution

Generar

Crea distribuciones de osteonas por sección del fémur y las exporta a Grasshopper.

Nube de puntos con forma de fémur generada en Rhino

03 — Demo

La aplicación en marcha

Vídeo de la Detection App analizando un corte de fémur completo.

Gráfico de la distribución de osteonas a lo largo del fémur
Distribución de osteonas a lo largo del fémur
Mapa de densidad de canales de Havers
Mapa de densidad