Conclusiones

Se considera que se hizo una búsqueda exaustiva del estado del arte y los métodos más clásicos de resolución del problema de segmentación de tumores cerebrales, más específicamente gliomas, en 3D y en menor escala en 2D. La comparación brinda las conclusiones esperadas de que los métodos de Deep Learning, al menos en lo reportado, son los más efectivo para realizar esta tarea. Por otra parte, si bien Slicer 3D no parecer ser el método más eficiente para tomar medidas de muchos datos, brinda muchísimos módulos implementados, incluyendo módulos de Deep Learning que no precisan asistencia y métodos más clásicos asistidos. A su vez, al permitir fácilmente modificar las máscaras, parece ser un método ideal para usar en ambientes clínicos o de investigación.