Detección de alzheimer por medio de imágenes médicas usando machine learning

"La enfermedad de Alzheimer es una enfermedad neurodegenerativa que afecta a pacientes de edad avanzada, haciendo que pierdan la capacidad de orientación, reconocimiento de personas, pérdida de memoria entre otros. Una de las preocupaciones más importantes de esta enfermedad corresponde a los t...

Full description

Autores:
Segura Morales, Santiago Alfonso
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/48746
Acceso en línea:
http://hdl.handle.net/1992/48746
Palabra clave:
Enfermedad de Alzheimer
Diagnóstico por imágenes
Aprendizaje automático (Inteligencia artificial)
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_eddabf0ab1c4e994e6986841e8922f10
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/48746
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Detección de alzheimer por medio de imágenes médicas usando machine learning
title Detección de alzheimer por medio de imágenes médicas usando machine learning
spellingShingle Detección de alzheimer por medio de imágenes médicas usando machine learning
Enfermedad de Alzheimer
Diagnóstico por imágenes
Aprendizaje automático (Inteligencia artificial)
Ingeniería
title_short Detección de alzheimer por medio de imágenes médicas usando machine learning
title_full Detección de alzheimer por medio de imágenes médicas usando machine learning
title_fullStr Detección de alzheimer por medio de imágenes médicas usando machine learning
title_full_unstemmed Detección de alzheimer por medio de imágenes médicas usando machine learning
title_sort Detección de alzheimer por medio de imágenes médicas usando machine learning
dc.creator.fl_str_mv Segura Morales, Santiago Alfonso
dc.contributor.advisor.none.fl_str_mv Lozano Martínez, Fernando Enrique
Higuera Arias, Carolina
Arbeláez Escalante, Pablo Andrés
dc.contributor.author.none.fl_str_mv Segura Morales, Santiago Alfonso
dc.contributor.jury.none.fl_str_mv Giraldo Trujillo, Luis Felipe
dc.subject.armarc.es_CO.fl_str_mv Enfermedad de Alzheimer
Diagnóstico por imágenes
Aprendizaje automático (Inteligencia artificial)
topic Enfermedad de Alzheimer
Diagnóstico por imágenes
Aprendizaje automático (Inteligencia artificial)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description "La enfermedad de Alzheimer es una enfermedad neurodegenerativa que afecta a pacientes de edad avanzada, haciendo que pierdan la capacidad de orientación, reconocimiento de personas, pérdida de memoria entre otros. Una de las preocupaciones más importantes de esta enfermedad corresponde a los tratamientos actuales, pues se llevan a cabo para tratar los síntomas y no para detener la evolución de esta. Debido a esto es importante realizar un diagnóstico de la enfermedad en las etapas más tempranas. Actualmente, una de las manera de hacer el diagnóstico de esta enfermedad se realiza por medio del análisis de imágenes diagnósticas como resonancias magnéticas, tomografías digitales o tomografía de emisión de positrones. Para poder llevar a cabo el proyecto se obtiene acceso a la base de datos ADNI. De la cual se obtiene una base de datos que consta de 2300 resonancias magnéticas clasificadas como AD (Enfermedad de Alzheimer), CN (Cognitivo normal), MCI(Deterioro cognitivo leve). Por lo que se aborda el problema como uno de clasificación. Como primer paso en el procedimiento llevado a cabo se realiza un preprocesamiento de todas las resonancias magnéticas el cual consiste en: Especificación por histograma, registro lineal, segmentación tejido cerebral, segmentación materia gris, blanca y fluido cerebro espinal. A partir de esta segmentación se usaron tres grupos de descriptores: proporción de volúmenes de materia, propiedades geométricas de la segmentación realizada y finalmente histogramas conjuntos de los píxeles que hacen parte de la materia gris, blanca y fluido cerebroespinal. Para realizar la clasificación , se decidió trabajar con SVM. Por lo que para cada descriptor por separado se realizó una búsqueda de parámetros que permitiera realizar la clasificación correcta sobre los datos de validación. Como métrica para comparar los diferentes modelos obtenidos se usó la F-medida."--Tomado del Formato de Documento de Grado
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2021-02-18T12:33:10Z
dc.date.available.none.fl_str_mv 2021-02-18T12:33:10Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/48746
dc.identifier.pdf.none.fl_str_mv u833078.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/48746
identifier_str_mv u833078.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 41 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/855b3f2b-9cd5-48fc-978e-55afc5371cd2/download
https://repositorio.uniandes.edu.co/bitstreams/477bb7e7-63a5-44ad-83af-040ed9787ecf/download
https://repositorio.uniandes.edu.co/bitstreams/128b346a-8b7b-4603-be3c-a365081c3bb4/download
bitstream.checksum.fl_str_mv 5a7ee2c15a7e70f9e4a5c47a798c847b
600579d02cb41e9041f4899558975d21
fc9898f9f31782ca6a56293829f6dd5a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133962725720064
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Lozano Martínez, Fernando Enrique4b3dc2ea-9e3f-43cd-aabe-2b4567602c46400Higuera Arias, Carolina70d68b14-b3a4-486e-9300-cadce1c3c686500Arbeláez Escalante, Pablo Andrésvirtual::10375-1Segura Morales, Santiago Alfonso05b24260-a0bf-4b1a-8329-8f7d26bdaaef500Giraldo Trujillo, Luis Felipe2021-02-18T12:33:10Z2021-02-18T12:33:10Z2019http://hdl.handle.net/1992/48746u833078.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/"La enfermedad de Alzheimer es una enfermedad neurodegenerativa que afecta a pacientes de edad avanzada, haciendo que pierdan la capacidad de orientación, reconocimiento de personas, pérdida de memoria entre otros. Una de las preocupaciones más importantes de esta enfermedad corresponde a los tratamientos actuales, pues se llevan a cabo para tratar los síntomas y no para detener la evolución de esta. Debido a esto es importante realizar un diagnóstico de la enfermedad en las etapas más tempranas. Actualmente, una de las manera de hacer el diagnóstico de esta enfermedad se realiza por medio del análisis de imágenes diagnósticas como resonancias magnéticas, tomografías digitales o tomografía de emisión de positrones. Para poder llevar a cabo el proyecto se obtiene acceso a la base de datos ADNI. De la cual se obtiene una base de datos que consta de 2300 resonancias magnéticas clasificadas como AD (Enfermedad de Alzheimer), CN (Cognitivo normal), MCI(Deterioro cognitivo leve). Por lo que se aborda el problema como uno de clasificación. Como primer paso en el procedimiento llevado a cabo se realiza un preprocesamiento de todas las resonancias magnéticas el cual consiste en: Especificación por histograma, registro lineal, segmentación tejido cerebral, segmentación materia gris, blanca y fluido cerebro espinal. A partir de esta segmentación se usaron tres grupos de descriptores: proporción de volúmenes de materia, propiedades geométricas de la segmentación realizada y finalmente histogramas conjuntos de los píxeles que hacen parte de la materia gris, blanca y fluido cerebroespinal. Para realizar la clasificación , se decidió trabajar con SVM. Por lo que para cada descriptor por separado se realizó una búsqueda de parámetros que permitiera realizar la clasificación correcta sobre los datos de validación. Como métrica para comparar los diferentes modelos obtenidos se usó la F-medida."--Tomado del Formato de Documento de Grado"Alzheimer's (AD) is a neurodegenerative disease that affects elder patients. It causes the lost of different capabilites as orientation, recognition, identification, memory among others. One of the biggest concerns about AD is the existent treatments now that these have the objective of treat symptoms and not to delay or stop the disease evolution. As a consequence of these, it is important to make an early diagnosis in the beginning stages of AD. Nowdays one way to make the diagnosis of this disease is through medical images as magnetic resonance imaging, computed tomography or positron emission tomography. With the objective of achieving this project it was used the database ADNI, composed by 2300 magnetic resonance imaging (MRI) classified as normal cognitive , mild cognitive impairment and Alzheimer's disease. The first step of the solution was pre processing all the MRI. The pre processing consists of histogram specification, linear registration, cerebral tissue segmentation, white, gray matter and cerebrospinal fluid segmentation. With this segmentation there were used three descriptor groups: proportion of volume matters, geometrical properties and joint histograms of segmented matters. For the final step and make the clasiffication it was used Support Vector Machines and to find the best model it was performed a parameters searching over the validation data. The metric used to compare all the obtained models was the F-measure."--Tomado del Formato de Documento de GradoIngeniero ElectrónicoPregrado41 hojasapplication/pdfspaUniandesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaDetección de alzheimer por medio de imágenes médicas usando machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPEnfermedad de AlzheimerDiagnóstico por imágenesAprendizaje automático (Inteligencia artificial)IngenieríaPublicationhttps://scholar.google.es/citations?user=k0nZO90AAAAJvirtual::10375-10000-0001-5244-2407virtual::10375-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001579086virtual::10375-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::10375-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::10375-1ORIGINALu833078.pdfapplication/pdf1407439https://repositorio.uniandes.edu.co/bitstreams/855b3f2b-9cd5-48fc-978e-55afc5371cd2/download5a7ee2c15a7e70f9e4a5c47a798c847bMD51TEXTu833078.pdf.txtu833078.pdf.txtExtracted texttext/plain74131https://repositorio.uniandes.edu.co/bitstreams/477bb7e7-63a5-44ad-83af-040ed9787ecf/download600579d02cb41e9041f4899558975d21MD54THUMBNAILu833078.pdf.jpgu833078.pdf.jpgIM Thumbnailimage/jpeg9645https://repositorio.uniandes.edu.co/bitstreams/128b346a-8b7b-4603-be3c-a365081c3bb4/downloadfc9898f9f31782ca6a56293829f6dd5aMD551992/48746oai:repositorio.uniandes.edu.co:1992/487462024-03-13 14:10:14.042https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co