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...

Full description

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.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_16c0abd0a6037e6d0ccf46379c4fa16b
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/41325
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
dc.title.english.none.fl_str_mv Topological analysis of kinematic primitives for parkinson’s modeling.
title Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
spellingShingle Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
Análisis Topológico De Datos
Homología Persistente
Parkinson
Primitivas Cinemáticas
Predictibilidad.
Topological Data Analysis
Persistent Homology
Parkinson
Predictability.
title_short Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
title_full Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
title_fullStr Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
title_full_unstemmed Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
title_sort Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson
dc.creator.fl_str_mv Castrillón Gamboa, Yessica Carolina
dc.contributor.advisor.none.fl_str_mv Martínez Carrillo, Fabio
Gomez Jaramillo, Francisco Albeiro
dc.contributor.author.none.fl_str_mv Castrillón Gamboa, Yessica Carolina
dc.subject.none.fl_str_mv Análisis Topológico De Datos
Homología Persistente
Parkinson
Primitivas Cinemáticas
Predictibilidad.
topic Análisis Topológico De Datos
Homología Persistente
Parkinson
Primitivas Cinemáticas
Predictibilidad.
Topological Data Analysis
Persistent Homology
Parkinson
Predictability.
dc.subject.keyword.none.fl_str_mv Topological Data Analysis
Persistent Homology
Parkinson
Predictability.
description 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.
publishDate 2021
dc.date.available.none.fl_str_mv 2021
2024-03-04T01:15:10Z
dc.date.created.none.fl_str_mv 2021
dc.date.issued.none.fl_str_mv 2021
dc.date.accessioned.none.fl_str_mv 2024-03-04T01:15:10Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/41325
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/41325
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by-nc/4.0
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ciencias
dc.publisher.program.none.fl_str_mv Matemáticas
dc.publisher.school.none.fl_str_mv Escuela de Matemáticas
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/e244f738-939a-416d-9948-469f10360509/download
https://noesis.uis.edu.co/bitstreams/266cf652-4832-4a31-8731-9644764469c0/download
https://noesis.uis.edu.co/bitstreams/d3d35b2c-2179-4732-a477-73bbc6f2d370/download
bitstream.checksum.fl_str_mv 6b842481a5e526c9f1308f97405c8def
a589168f4aedddbcaf0354514d0c7a49
4037836927c71908986ba1be4f6cfe69
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1814095241340256256
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Martínez Carrillo, FabioGomez Jaramillo, Francisco AlbeiroCastrillón Gamboa, Yessica Carolina2024-03-04T01:15:10Z20212024-03-04T01:15:10Z20212021https://noesis.uis.edu.co/handle/20.500.14071/41325Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEsta 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.PregradoMatemáticoThis research focuses on Topological Data Analysis (TDA), a mathematical tool thatallows studying the topological structure of a point cloud (data) with the aim of finding k-dimensional“holes” through persistent homology. By means of this tool, an alternative methodology for the characterization of Parkinson's disease (PD) was proposed, modeling k—dimensional points representingthe periodicity during the gait of each patient. Initially, videos of control individuals and PD patientsare recorded and movement trajectories are extracted. Each trajectory is characterized for periodicityusing SW1PerS (Sliding Windows and 1-Persistence Scoringes). The resulting points from each trajectory are mapped to a common space that allows persistent homology analysis. From this analysis,topological indices are calculated that allow measurement of topological features related to predictability, such as the periodicity of the time series. This methodology was evaluated in a set of 22 patients(11 PD patients and 11 control patients). The topological index with the highest discrimination capacity between the two patient populations is the one based on periodicity with the SW1PerS method. Inthis sense, it is evident that Parkinson’s patients and controls have statistically significant differenceswith respect to the defined periodicity patterns.application/pdfspaUniversidad Industrial de SantanderFacultad de CienciasMatemáticasEscuela de MatemáticasAnálisis Topológico De DatosHomología PersistenteParkinsonPrimitivas CinemáticasPredictibilidad.Topological Data AnalysisPersistent HomologyParkinsonPredictability.Análisis topológico de primitivas cinemáticas para la caracterización del ParkinsonTopological analysis of kinematic primitives for parkinson’s modeling.Tesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf73495https://noesis.uis.edu.co/bitstreams/e244f738-939a-416d-9948-469f10360509/download6b842481a5e526c9f1308f97405c8defMD51Documento.pdfapplication/pdf34796740https://noesis.uis.edu.co/bitstreams/266cf652-4832-4a31-8731-9644764469c0/downloada589168f4aedddbcaf0354514d0c7a49MD52Nota de proyecto.pdfapplication/pdf110848https://noesis.uis.edu.co/bitstreams/d3d35b2c-2179-4732-a477-73bbc6f2d370/download4037836927c71908986ba1be4f6cfe69MD5320.500.14071/41325oai:noesis.uis.edu.co:20.500.14071/413252024-03-03 20:15:10.562http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co

Publicaciones similares