Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson

Esta investigación se centra en el Análisis Topológico de Datos (TDA), una herramienta matemática que permite estudiar la estructura topológica de una nube de puntos (datos) conel objetivo de encontrar “agujeros” k—dimensionales, a través de la homología persistente. Por mediode esta herramienta se propuso una metodología alternativa para la caracterización de la enfermedad de Parkinson (EP), modelando puntos k—dimensionales que representan la periodicidad durantela marcha de cada paciente. Inicialmente, se registran videos de personas control y pacientes con EPy se extraen trayectorias de movimientos. Cada trayectoria se caracteriza por su periodicidad usando SW1PerS (por sus siglas en ingles: Sliding Windows and 1-Persistence Scoringes). Entonces, unanálisis de homología persistente es realizado sobre los puntos de cada trayectoria, calculando índices topológicos que permiten medir características de predictibilidad. Esta metodología fue evaluadaen un conjunto de 22 pacientes (11 pacientes con la EP y 11 pacientes control). El índice topológicocon mayor capacidad de discriminación entre las dos poblaciones de pacientes es el basado en laperiodicidad con el método SW1PerS. En este sentido, se evidencia que los pacientes de párkinsony las personas control tienen diferencias estadísticamente significativas con respecto a los patronesde periodicidad definidos.

• Autores: Castrillón Gamboa, Yessica Carolina
• Tipo de recurso: http://purl.org/coar/version/c_b1a7d7d4d402bcce
• Fecha de publicación: 2021
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/41325
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/41325; https://noesis.uis.edu.co
• Palabra clave: Análisis Topológico De Datos; Homología Persistente; Parkinson; Primitivas Cinemáticas; Predictibilidad.; Topological Data Analysis; Persistent Homology; Parkinson; Predictability.
• License: Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)