Metodología para la generación de modelos sólidos tridimensionales a partir de tomografías computarizada mediante software académico y de código abierto

Resumen

La integración de técnicas de procesamiento de imágenes para la generación de biomodelos tridimensionales ha impulsado avances significativos en la ingeniería biomédica. Estos modelos tienen aplicaciones clave en simulaciones numéricas, como las basadas en el método de elementos finitos que permiten la evaluación detallada de entornos mecánicos y biológicos, así como la predicción del comportamiento estructural de los tejidos. En este artículo se presenta un enfoque metodológico para transformar imágenes médicas en modelos sólidos tridimensionales utilizando software de acceso abierto o académico, mejorando su aplicabilidad en contextos educativos y de investigación. El procedimiento se estructura en tres etapas principales: generación del modelo volumétrico a partir de archivos DICOM, edición del modelo y conversión en un sólido, y análisis numérico básico. Se evaluaron cinco enfoques diferentes con base en criterios como número de pasos requeridos, complejidad del proceso, tiempo de procesamiento, demanda de recursos computacionales, dependencia de herramientas adicionales, limitaciones del programa y facilidad de preprocesamiento para simulaciones posteriores. A partir de la comparación, se identificó que la combinación de 3D Slicer para la generación de biomodelos y Fusion 360 para edición, conversión de sólidos y preprocesamiento numérico es la alternativa más eficiente y accesible. La relevancia de esta metodología radica en su capacidad de servir como paso previo esencial para estudios numéricos computacionales enfocados en áreas como la mecánica de tejidos, la biomecánica y la ortopedia. Al permitir la generación de modelos precisos y adaptables, esta herramienta facilita la evaluación del comportamiento estructural y mecánico de los tejidos con base en el FEM. En consecuencia, la propuesta potencia la investigación y el desarrollo de soluciones personalizadas en aplicaciones clínicas y académicas. Este enfoque minimiza la dependencia de herramientas complementarias.