Deteccion de la enfermedad de Alzheimer a partir de neuroimagenes mediante el uso de tecnicas de Inteligencia Artificial
Se desarrolló una herramienta de software que analiza imágenes diagnósticas de tipo MRI en su secuencia T1-Weighted y busca características discriminantes dentro de la anatomía cerebral presentada en las imágenes para que, de esta manera, sea posible, según el caso, determinar la presencia de atrofi...
- Autores:
-
Carrillo López, Cristhian David
Castrillón Calderón, Camilo Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Autónoma de Occidente
- Repositorio:
- RED: Repositorio Educativo Digital UAO
- Idioma:
- spa
- OAI Identifier:
- oai:red.uao.edu.co:10614/14043
- Acceso en línea:
- https://hdl.handle.net/10614/14043
https://red.uao.edu.co/
- Palabra clave:
- Ingeniería Mecatrónica
Ingeniería Biomédica
Inteligencia artificial
Redes neurales (Computadores)
Enfermedad de Alzheimer
Artificial intelligence
Neural networks (Computer science)
Alzheimer's disease
Patología
Redes neuronales
Biomarcadores
- Rights
- openAccess
- License
- Derechos reservados - Universidad Autónoma de Occidente, 2021
Summary: | Se desarrolló una herramienta de software que analiza imágenes diagnósticas de tipo MRI en su secuencia T1-Weighted y busca características discriminantes dentro de la anatomía cerebral presentada en las imágenes para que, de esta manera, sea posible, según el caso, determinar la presencia de atrofias en las estructuras corticales y particularmente en el hipocampo, entregando predicciones acerca de la presencia de la condición en base a las alteraciones anatómicas. Similarmente, mediante interfaces gráficas orientadas al análisis neurocientífico, fue posible visualizar e interpretar el desempeño y los resultados del aprendizaje llevado a cabo por la inteligencia artificial, confirmando las suposiciones teóricas acerca del enfoque al momento de analizar este tipo de patología y principalmente, identificando modificaciones estructurales como posibles biomarcadores de la condición o indicadores dentro del proceso de diagnóstico por neuroimagen. En síntesis, este prototipo funcional, en su fase inicial tiene la capacidad de aprender diferencias anatómicas y estructurales tanto para hombres como para mujeres (Pacientes AD y/o sujetos CN), en un rango de edad entre 65 y 75 años (buscando a futuro, analizar el deterioro cognitivo leve o MCI y posiblemente detectar nuevos biomarcadores) y ofrece, mediante software e interfaces gráficas, una visualización de los posibles focos de información determinados por el entrenamiento de las arquitecturas de redes neuronales. |
---|