Aplicaciones de redes neuronales artificiales a estudios neurofisiológicos en neuropatías periféricas focales
Introducción: La interpretación de estudios electrofisiológicos es esencialmente una tarea de clasificación. Las redes neuronales artificiales (ANN) son herramientas adecuadas para la clasificación porque son basado en técnicas de reconocimiento de patrones. Objetivos: Desarrollar un sistema informá...
- Autores:
-
Gutiérrez G., Jorge Eduardo
Peña Paz, Lyda
- Tipo de recurso:
- Fecha de publicación:
- 2005
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/3303
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/3303
- Palabra clave:
- Artificial neural networks (Computers)
Neuropathy
Computer science
Diseases
Diagnosis
Data processing
Investigations
Analysis
Systems engineering
Focal neuropathy
Automated detection
Redes neuronales artificiales (Computadores)
Neuropatía
Ingeniería de sistemas
Ciencias computacionales
Enfermedades
Diagnóstico
Procesamiento de datos
Investigaciones
Análisis
Neuropatía focal
Detección automatizada
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Summary: | Introducción: La interpretación de estudios electrofisiológicos es esencialmente una tarea de clasificación. Las redes neuronales artificiales (ANN) son herramientas adecuadas para la clasificación porque son basado en técnicas de reconocimiento de patrones. Objetivos: Desarrollar un sistema informático para la detección automatizada de neuropatías focales. utilizando ANN. Métodos: El estudio se basó en 300 conjuntos de estudios de conducción nerviosa (NCS) de tres diferentes laboratorios de medicina de electrodiagnóstico. Cada conjunto de datos de entrada estaba formado por 11 parámetros, incluyendo latencias motoras y sensoriales, amplitudes, duraciones y velocidades de un solo nervio. Los conjuntos de entrada se clasificaron en 4 subgrupos de neuropatía focal (distal desmielinización, desmielinización proximal, desmielinización generalizada, pérdida de axones) según sobre el tipo de daño nervioso más 1 adicional para hallazgos normales. Los datos fueron presentados a una ANN de retropropagación con 1 capa oculta. La estructura de la red se modificó para lograr el error cuadrático medio más bajo posible. Los resultados de estas redes de primer nivel se presentaron a una red de segundo nivel para detectar neuropatías generalizadas. Después entrenando a las ANN, la precisión de la clasificación se probó utilizando otro conjunto de datos que se desconocido para las redes. Resultados: Se alcanzó una precisión de clasificación del 99% para la detección de patologías patrones. La precisión para la clasificación de neuropatías focales fue del 95,2%. Conclusiones: las redes neuronales clasifican subgrupos de neuropatía focal con alta precisión (> 95%). Este método puede conducir a la detección automática de neuropatía focal. |
---|