Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer

En el presente trabajo se realiza la descripción del diseño e implementación de una estrategia para la extracción de características de imágenes de resonancia magnética con base en la Transformada Curvelet y la ecuación de la gaussiana generalizada con el fin de verificar que las características ext...

Full description

Autores:: Hernandez Bohorquez, Julian Alejandro

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2023

Institución:: Universidad Militar Nueva Granada

Repositorio:: Repositorio UMNG

Idioma:: spa

id	UNIMILTAR2_27113109d061c55ae016c8ef2b0f7b2d
oai_identifier_str	oai:repository.unimilitar.edu.co:10654/45723
network_acronym_str	UNIMILTAR2
network_name_str	Repositorio UMNG
repository_id_str
dc.title.spa.fl_str_mv	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
dc.title.translated.spa.fl_str_mv	Application of curvelet transform for the detection of structural changes in patients with Alzheimer's disease
title	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
spellingShingle	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer ENFERMEDAD DE ALZHEIMER RESONANCIA MAGNETICA Alzheimer Curvelet Magnetic Resonance Feature extraction Machine learning Alzheimer Curvelet Resonancia magnetica Extacción de caracteristicas Aprendizaje maquina
title_short	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
title_full	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
title_fullStr	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
title_full_unstemmed	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
title_sort	Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer
dc.creator.fl_str_mv	Hernandez Bohorquez, Julian Alejandro
dc.contributor.advisor.none.fl_str_mv	Velasco Toledo, Nelson Fernando
dc.contributor.author.none.fl_str_mv	Hernandez Bohorquez, Julian Alejandro
dc.subject.lemb.spa.fl_str_mv	ENFERMEDAD DE ALZHEIMER RESONANCIA MAGNETICA
topic	ENFERMEDAD DE ALZHEIMER RESONANCIA MAGNETICA Alzheimer Curvelet Magnetic Resonance Feature extraction Machine learning Alzheimer Curvelet Resonancia magnetica Extacción de caracteristicas Aprendizaje maquina
dc.subject.keywords.spa.fl_str_mv	Alzheimer Curvelet Magnetic Resonance Feature extraction Machine learning
dc.subject.proposal.spa.fl_str_mv	Alzheimer Curvelet Resonancia magnetica Extacción de caracteristicas Aprendizaje maquina
description	En el presente trabajo se realiza la descripción del diseño e implementación de una estrategia para la extracción de características de imágenes de resonancia magnética con base en la Transformada Curvelet y la ecuación de la gaussiana generalizada con el fin de verificar que las características extraídas son relevantes para la detección de enfermedad de Alzheimer. Se empleó la comparación mediante dos modelos que a su vez constan de dos partes: la extracción de características y un clasificador random forest. La extracción de características utilizada para cada modelo es la transformada curvelet y el encoder de un auto-encoder. Se verificaron los resultados de ambos modelos obteniendo un rendimiento inferior en la extracción de características por parte de la transformada curvelet, sin embargo, se obtienen resultados con exactitud de más del 80%.
publishDate	2023
dc.date.issued.none.fl_str_mv	2023-06-05
dc.date.accessioned.none.fl_str_mv	2024-02-12T20:42:40Z
dc.date.available.none.fl_str_mv	2024-02-12T20:42:40Z
dc.type.local.spa.fl_str_mv	Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.coar.*.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/10654/45723
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Militar Nueva Granada
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional Universidad Militar Nueva Granada
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.unimilitar.edu.co
url	http://hdl.handle.net/10654/45723
identifier_str_mv	instname:Universidad Militar Nueva Granada reponame:Repositorio Institucional Universidad Militar Nueva Granada repourl:https://repository.unimilitar.edu.co
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	Demencia OMS. dirección: https : / / www.who.int / es / news - room / fact - sheets/detail/dementia R. Cuadros Cuadros, ((Prevalencia de las demencias en Colombia,)) Cafam Salud, p´ag. 31, 2015. direcci´on: https://www.minsalud.gov.co/sites/rid/Lists/ BibliotecaDigital/RIDE/INEC/IETS/prevalencia-demencia-colombia.pdf Subdirecci´on de Enfermedades No Trasmisibles Grupo Gesti´on Integrada para la Salud Mental Bogot´a, ((Bolet´ın de salud mental Demencia , Octubre de 2017,)) 2017. direcci´on: http://www.who.int/mediacentre/factsheets/fs362/es/ A. V. P´erez, J. C. F. Pach´on, C. E. P. Fl´orez, R. J. M. Jim´enez, N. N. V. Cuellar, ´ ´ A. M. I. Cucal´on, D. H. Rojas, S. D. M. Villota, J. F. Meneses, E. S. P´erez, J. M. S. Escudero, M. M. B. Cuadrado, P. Avellaneda, C. D. Rojas, L. Mey y W. B. Romero, ((Gu´ıa de Pr´actica Cl´ınica para el diagn´ostico y tratamiento del trastorno neurocognoscitivo mayor (Demencia) (Adopci´on) Sistema,)) Minsalud, vol. 1, n.o 61, p´ags. 3-48, 2017 S. C. Delgado, Universidad Complutense de Madrid Un. 2017, p´ags. 1-55, isbn: 9788469236741. direcci´on: https://eprints.ucm.es/8196/. ((Use of structural magnetic resonance imaging to predict who will get Alzheimer’s disease,)) Annals of Neurology, vol. 47, n.o 4, p´ags. 430-439, abr. de 2000, issn: 0364-5134. doi: 10.1002/1531-8249(200004)47:4<430::AID-ANA5>3.0.CO;2- I Y. Fan, S. M. Resnick, X. Wu y C. Davatzikos, ((Structural and functional biomarkers of prodromal Alzheimer’s disease: A high-dimensional pattern classification study,)) NeuroImage, vol. 41, n.o 2, p´ags. 277-285, 2008, issn: 10538119. doi: 10.1016/j.neuroimage.2008.02.043 J. Patrick Kesslak, O. Nalcioglu y C. W. Cotman, ((Quantification of magnetic resonance scans for hippocampal and parahippocampal atrophy in alzheimer’s disease,)) Neurology, vol. 41, n.o 1, p´ags. 51-54, 1991, issn: 1526632X. doi: 10. 1212/wnl.41.1.51 M. Sonka, V. Hlavac y R. Boyle, Image processing, Analysis, and Machine VisionCengage Learning. 2014, isbn: 9781133593607 C. R. Jack, R. C. Petersen, Y. C. Xu, P. C. O’Brien, G. E. Smith, R. J. Ivnik, B. F. Boeve, S. C. Waring, E. G. Tangalos y E. Kokmen, ((Prediction of AD with MRIbased hippocampal volume in mild cognitive impairment,)) Neurology, vol. 52, n.o 7, p´ags. 1397-1403, 1999, issn: 00283878. doi: 10.1212/wnl.52.7.1397 S. H. Wang, Y. Zhang, Y. J. Li, W. J. Jia, F. Y. Liu, M. M. Yang e Y. D. Zhang, ((Single slice based detection for alzheimer’s disease via wavelet entropy and multilayer perceptron trained by biogeography-based optimization,)) Multimedia Tools and Applications, vol. 77, n.o 9, p´ags. 10 393-10 417, 2018, issn: 15737721. doi: 10.1007/s11042-016-4222-4 C. Alvarez-Jimenez, N. M´unera-Garz´on, M. A. Zuluaga, N. F. Velasco y E. Romero, ((Autism spectrum disorder characterization in children by capturing localregional brain changes in MRI,)) Medical Physics, vol. 47, n.o 1, p´ags. 119-131, 2020, issn: 00942405. doi: 10.1002/mp.13901 A. I¸sin, C. Direkoˇglu y M. S¸ah, ((Review of MRI-based Brain Tumor Image Segmentation Using Deep Learning Methods,)) Procedia Computer Science, vol. 102, n.o August, p´ags. 317-324, 2016, issn: 18770509. doi: 10.1016/j.procs.2016. 09.407 E. O.-O. Max Roser y H. Ritchie, ((Life Expectancy,)) Our World in Data, 2013, https://ourworldindata.org/life-expectancy O. Turr´o Garriga, S. L´opez Pousa, J. Vilalta Franch, A. Turon Estrada, I. Pericot Nierga, M. Lozano Gallego, M. Hern´andez Ferr`andiz, O. Soler Cors, X. Planas Pujol, S. Monserrat Vila y J. Garre Olmo, ((Valor econ´omico anual de la asistencia informal en la enfermedad de Alzheimer,)) Revista de Neurolog´ıa, vol. 51, n.o 04, p´ag. 201, 2010, issn: 0210-0010. doi: 10.33588/rn.5104.2010117 A. Villarejo Galende, M. Eimil Ortiz, S. Llamas Velasco, M. Llanero Luque, C. L´opez de Silanes de Miguel y C. Prieto Jurczynska, ((Informe de la Fundaci´on del Cerebro. Impacto social de la enfermedad de Alzheimer y otras demencias,)) Neurologia, 2017, issn: 15781968. doi: 10.1016/j.nrl.2017.10.005. direcci´on: http://dx.doi.org/10.1016/j.nrl.2017.10.005 A. Garrido Pascual, ´ ((An´alisis de im´agenes de resonancia magn´etica para la detecci´on del Alzheimer,)) 2018 P. Pardi, G. Santos, J. Silva Gois, R. Braz Jr y E. Olave, ((Biomarcadores y Marcadores de Imagen de la Enfermedad de Alzheimer,)) International Journal of Morphology, vol. 35, n.o 3, p´ags. 864-869, 2017 J. Appel, E. Potter, Q. Shen, G. Pantol, M. T. Greig, D. Loewenstein y R. Duara, ((A comparative analysis of structural brain MRI in the diagnosis of Alzheimer’s disease,)) Behavioural neurology, vol. 21, n.o 1, 2, p´ags. 13-19, 2009. La funci´on cerebral. direcci´on: https://www.cognifit.com/co/funcionescerebrales (visitado 21-08-2019). M. Romano, M. D. Nissen, N. Del Huerto y C. Parquet, ((Enfermedad de alzheimer,)) Revista de posgrado de la vıa c´atedra de medicina, vol. 75, p´ags. 9-12, 2007 W. D. W. KNOW, ((What Is Alzheimer’s Disease?,)) 1986 . L. Cummings y G. Cole, ((Alzheimer Disease,)) JAMA, vol. 287, n.o 18, p´ags. 2335-2338, mayo de 2002, issn: 0098-7484. doi: 10.1001/jama.287.18.2335. eprint: https: //jamanetwork.com/journals/jama/articlepdf/194892/jct10025.pdf. direcci´on: https://doi.org/10.1001/jama.287.18.2335 R. J. Castellani, R. K. Rolston y M. A. Smith, ((Alzheimer disease,)) Disease-amonth: DM, vol. 56, n.o 9, p´ag. 484, 2010 I. E. Leon, ((Amıgdala cerebral y sistema peptid´ergico hipot´alamo neurohipofisario. Estudio experimental de su interrelaci´on,)) Tesis doct., Universidad de Oviedo, 1991 J. P. S´anchez-Navarro y F. Rom´an, ((Amıgdala, corteza prefrontal y especializaci´on hemisf´erica en la experiencia y expresi´on emocional,)) Anales de Psicologıa/Annals of Psychology, vol. 20, n.o 2, p´ags. 223-240, 2004 E. E. A. Siancas, ((La funci´on del hipocampo en el procesamiento de la memoria y su deterioro durante el envejecimiento,)) Revista Mexicana de Neurociencia, vol. 16, n.o 4, p´ags. 21-30, 2016. J. D. O. Hern´andez, E. J. Aguilar y F. G. Garcıa, ((El hipocampo: neurog´enesis y aprendizaje,)) Rev Med UV, p´ags. 21-28, 2015 W. Almaguer-Meli´an y J. Bergado-Rosado, ((Interacciones entre el hipocampo y la amıgdala en procesos de plasticidad sin´aptica. Una clave para entender las relaciones entre motivaci´on y memoria,)) Rev Neurol, vol. 35, n.o 6, p´ags. 586-93, 2002 G. W. Van Hoesen, B. T. Hyman y A. R. Damasio, ((Entorhinal cortex pathology in Alzheimer’s disease,)) Hippocampus, vol. 1, n.o 1, p´ags. 1-8, 1991. C. ASTUDILLO MEZA y A. MONDACA MIRANDA, ((EL TRASTORNO DE ESPECTRO AUTISTA. NECESIDADES EDUCATIVAS A LA LUZ DEL INTERES SUPERIOR DEL NI ´ NO A PROP ~ OSITO DE LA SENTENCIA DE LA ´ CORTE DE APELACIONES DE ANTOFAGASTA, DE 6 DE DICIEMBRE DE 2018.,)) Revista de derecho (Concepci´on), vol. 88, n.o 247, p´ags. 257-278, 2020. G. Garcıa-Ribas, L.-S. Moreno y J. Garcıa Caldentey, ((Biomarcadores en la enfermedad de Alzheimer,)) Rev Neurologıa, vol. 58, n.o 7, p´ags. 308-17, 2014 J. Rogers, N. R. Cooper, S. Webster, J. Schultz, P. L. McGeer, S. D. Styren, W. H. Civin, L. Brachova, B. Bradt y P. Ward, ((Complement activation by betaamyloid in Alzheimer disease,)) Proceedings of the National Academy of Sciences, vol. 89, n.o 21, p´ags. 10 016-10 020, 1992. J. G. Garz´on, A. Rodrıguez y A. Cabrera, ((Tomografıa por emisi´on de positrones de cuerpo completo (PET/TAC) con 18F-fluorodesoxiglucosa,)) Revista Espa~nola de Medicina Nuclear, vol. 28, n.o 2, p´ags. 85-89, 2009. U. Blum, C. Buitrago-Tellez, A. Mundinger, T. Krause, J. Laubenberger, P. Vaith, H. Peter y M. Langer, ((Magnetic resonance imaging (MRI) for detection of active sacroiliitis{a prospective study comparing conventional radiography, scintigraphy, and contrast enhanced MRI.,)) The Journal of Rheumatology, vol. 23, n.o 12, p´ags. 2107-2115, 1996. J. L. Starck, F. Murtagh y J. M. Fadili, Sparse image and signal processing: Wavelets, curvelets, morphological diversity. 2010, vol. 9780521119139, p´ags. 1-328, isbn: 9780511730344. doi: 10.1017/CBO9780511730344 E. Candes y S. U. D. of Statistics, Ridgelets: Theory and Applications, ´ep. Technical report (Stanford University. Dept. of Statistics). Stanford University, 1998. direcci´on: https://books.google.com.co/books?id=pDvnPQAACAAJ D. L. Donoho y M. R. Duncan, ((Digital curvelet transform: strategy, implementation, and experiments</title ,)) Wavelet Applications VII, vol. 4056, n.o April 2000, p´ags. 12-30, 2000. doi: 10.1117/12.381679 S. Malek, M. Mosleh, S. K. Dhillon y P. Milow, ((Bioimage Informatics,)) en Encyclopedia of Bioinformatics and Computational Biology, S. Ranganathan, M. Gribskov, K. Nakai y C. Sch¨onbach, eds., Oxford: Academic Press, 2019, p´ags. 993-1010, isbn: 978-0-12-811432-2. doi: https://doi.org/10.1016/B978-0-12-809633- 8.20308-7. direcci´on: https://www.sciencedirect.com/science/article/ pii/B9780128096338203087 M. Jenkinson, C. F. Beckmann, T. E. Behrens, M. W. Woolrich y S. M. Smith, ((FSL,)) NeuroImage, vol. 62, n.o 2, 2012. doi: 10.1016/j.neuroimage.2011.09. 015 R. Desikan, F. S´egonne, B. Fischl, B. Quinn, B. Dickerson, D. Blacker, R. Buckner y A. Dale, ((R. Maguire RP, Hyman BT, Albert MS, Killiany RJ. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest,)) NeuroImage, vol. 31, n.o 3, p´ags. 968-80, 2006 R. B. Gutierrez y P. G. i Cintas, ((El histograma como un instrumento para la comprensi´on de las funciones de densidad de probabilidad,)) Probabilidad Condicionada: Revista de did´actica de la Estadıstica, n.o 2, p´ags. 229-235, 2013. J. A. L´opez Esquivel, ((Una metodologıa de investigaci´on en la estimaci´on del par´ametro de forma de la distribuci´on Gaussiana generalizada,)) 2000. M. Oner y ¨ I. Deveci Kocako¸c, _ ((JMASM 49: a compilation of some popular goodness of fit tests for normal distribution: their algorithms and MATLAB codes (MATLAB),)) Journal of Modern Applied Statistical Methods, vol. 16, n.o 2, 2017. D. Choi y K. Lee, ((An artificial intelligence approach to financial fraud detection under IoT environment: A survey and implementation,)) Security and Communication Networks, vol. 2018, 2018. R. C. Petersen, P. Aisen, L. A. Beckett, M. Donohue, A. Gamst, D. J. Harvey, C. Jack, W. Jagust, L. Shaw, A. Toga y col., ((Alzheimer’s disease neuroimaging initiative (ADNI): clinical characterization,)) Neurology, vol. 74, n.o 3, p´ags. 201-209, 2010. T. A. D. N. Initiative, Adni. direcci´on: https://adni.loni.usc.edu/about/ B. B. Avants, N. Tustison, G. Song y col., ((Advanced normalization tools (ANTS),)) Insight j, vol. 2, n.o 365, p´ags. 1-35, 2009. J. P. Aggleton, A. Pralus, A. J. Nelson y M. Hornberger, ((Thalamic pathology and memory loss in early Alzheimer’s disease: moving the focus from the medial temporal lobe to Papez circuit,)) Brain, vol. 139, n.o 7, p´ags. 1877-1890, 2016. M. Alraksinen, A. Paetau, L. Palja, K. Reinikainen, P. Rlekkinen, R. Suomalainen, P. Panula y col., ((Histamine neurons in human hypothalamus: anatomy in normal and Alzheimer diseased brains,)) Neuroscience, vol. 44, n.o 2, p´ags. 465-481, 1991 R. E. B. Martınez, N. C. Ramırez, H. G. A. Mesa, I. R. Su´arez, M. d. C. G. Trejo, P. P. Le´on y S. L. B. Morales, ((Arboles de decisi´on como herramienta en el ´ diagn´ostico m´edico,)) Revista m´edica de la Universidad Veracruzana, vol. 9, n.o 2, p´ags. 19-24, 2009. D. Bank, N. Koenigstein y R. Giryes, Autoencoders, 2020. doi: 10.48550/ARXIV. 2003.05991. direcci´on: https://arxiv.org/abs/2003.05991
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.local.spa.fl_str_mv	Acceso abierto
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International Acceso abierto http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	applicaction/pdf
dc.coverage.sede.spa.fl_str_mv	Calle 100
dc.publisher.program.spa.fl_str_mv	Ingeniería en Mecatrónica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería
dc.publisher.grantor.spa.fl_str_mv	Universidad Militar Nueva Granada
institution	Universidad Militar Nueva Granada
bitstream.url.fl_str_mv	http://repository.unimilitar.edu.co/bitstream/10654/45723/1/HernandezBohorquezJulianAlejandro2023.pdf http://repository.unimilitar.edu.co/bitstream/10654/45723/2/license.txt
bitstream.checksum.fl_str_mv	13c937f4dab65edb5c1a5aaf6306fb98 a609d7e369577f685ce98c66b903b91b
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional UMNG
repository.mail.fl_str_mv	bibliodigital@unimilitar.edu.co
_version_	1837098390062628864
spelling	Velasco Toledo, Nelson FernandoHernandez Bohorquez, Julian AlejandroIngeniero en Mecatrónica2024-02-12T20:42:40Z2024-02-12T20:42:40Z2023-06-05http://hdl.handle.net/10654/45723instname:Universidad Militar Nueva Granadareponame:Repositorio Institucional Universidad Militar Nueva Granadarepourl:https://repository.unimilitar.edu.coEn el presente trabajo se realiza la descripción del diseño e implementación de una estrategia para la extracción de características de imágenes de resonancia magnética con base en la Transformada Curvelet y la ecuación de la gaussiana generalizada con el fin de verificar que las características extraídas son relevantes para la detección de enfermedad de Alzheimer. Se empleó la comparación mediante dos modelos que a su vez constan de dos partes: la extracción de características y un clasificador random forest. La extracción de características utilizada para cada modelo es la transformada curvelet y el encoder de un auto-encoder. Se verificaron los resultados de ambos modelos obteniendo un rendimiento inferior en la extracción de características por parte de la transformada curvelet, sin embargo, se obtienen resultados con exactitud de más del 80%.In the present study, the description of the design and implementation of a strategy for the extraction of features from magnetic resonance imaging (MRI) images based on the Curvelet Transform and the generalized Gaussian equation is carried out. The purpose is to verify that the extracted features are relevant for Alzheimer's disease detection. The comparison was performed using two models, each consisting of two parts: feature extraction and a random forest classifier. The feature extraction methods employed for each model were the Curvelet Transform and the encoder of an auto-encoder. The results of both models were verified, and a lower performance was observed in the feature extraction using the Curvelet Transform. However, accuracy results of over 80% were achieved.Pregradoapplicaction/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 InternationalAcceso abiertohttp://purl.org/coar/access_right/c_abf2Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de AlzheimerApplication of curvelet transform for the detection of structural changes in patients with Alzheimer's diseaseENFERMEDAD DE ALZHEIMERRESONANCIA MAGNETICAAlzheimerCurveletMagnetic ResonanceFeature extractionMachine learningAlzheimerCurveletResonancia magneticaExtacción de caracteristicasAprendizaje maquinaTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fIngeniería en MecatrónicaFacultad de IngenieríaUniversidad Militar Nueva GranadaDemencia OMS. dirección: https : / / www.who.int / es / news - room / fact - sheets/detail/dementiaR. Cuadros Cuadros, ((Prevalencia de las demencias en Colombia,)) Cafam Salud, p´ag. 31, 2015. direcci´on: https://www.minsalud.gov.co/sites/rid/Lists/ BibliotecaDigital/RIDE/INEC/IETS/prevalencia-demencia-colombia.pdfSubdirecci´on de Enfermedades No Trasmisibles Grupo Gesti´on Integrada para la Salud Mental Bogot´a, ((Bolet´ın de salud mental Demencia , Octubre de 2017,)) 2017. direcci´on: http://www.who.int/mediacentre/factsheets/fs362/es/A. V. P´erez, J. C. F. Pach´on, C. E. P. Fl´orez, R. J. M. Jim´enez, N. N. V. Cuellar, ´ ´ A. M. I. Cucal´on, D. H. Rojas, S. D. M. Villota, J. F. Meneses, E. S. P´erez, J. M. S. Escudero, M. M. B. Cuadrado, P. Avellaneda, C. D. Rojas, L. Mey y W. B. Romero, ((Gu´ıa de Pr´actica Cl´ınica para el diagn´ostico y tratamiento del trastorno neurocognoscitivo mayor (Demencia) (Adopci´on) Sistema,)) Minsalud, vol. 1, n.o 61, p´ags. 3-48, 2017S. C. Delgado, Universidad Complutense de Madrid Un. 2017, p´ags. 1-55, isbn: 9788469236741. direcci´on: https://eprints.ucm.es/8196/.((Use of structural magnetic resonance imaging to predict who will get Alzheimer’s disease,)) Annals of Neurology, vol. 47, n.o 4, p´ags. 430-439, abr. de 2000, issn: 0364-5134. doi: 10.1002/1531-8249(200004)47:4<430::AID-ANA5>3.0.CO;2- IY. Fan, S. M. Resnick, X. Wu y C. Davatzikos, ((Structural and functional biomarkers of prodromal Alzheimer’s disease: A high-dimensional pattern classification study,)) NeuroImage, vol. 41, n.o 2, p´ags. 277-285, 2008, issn: 10538119. doi: 10.1016/j.neuroimage.2008.02.043J. Patrick Kesslak, O. Nalcioglu y C. W. Cotman, ((Quantification of magnetic resonance scans for hippocampal and parahippocampal atrophy in alzheimer’s disease,)) Neurology, vol. 41, n.o 1, p´ags. 51-54, 1991, issn: 1526632X. doi: 10. 1212/wnl.41.1.51M. Sonka, V. Hlavac y R. Boyle, Image processing, Analysis, and Machine VisionCengage Learning. 2014, isbn: 9781133593607C. R. Jack, R. C. Petersen, Y. C. Xu, P. C. O’Brien, G. E. Smith, R. J. Ivnik, B. F. Boeve, S. C. Waring, E. G. Tangalos y E. Kokmen, ((Prediction of AD with MRIbased hippocampal volume in mild cognitive impairment,)) Neurology, vol. 52, n.o 7, p´ags. 1397-1403, 1999, issn: 00283878. doi: 10.1212/wnl.52.7.1397S. H. Wang, Y. Zhang, Y. J. Li, W. J. Jia, F. Y. Liu, M. M. Yang e Y. D. Zhang, ((Single slice based detection for alzheimer’s disease via wavelet entropy and multilayer perceptron trained by biogeography-based optimization,)) Multimedia Tools and Applications, vol. 77, n.o 9, p´ags. 10 393-10 417, 2018, issn: 15737721. doi: 10.1007/s11042-016-4222-4C. Alvarez-Jimenez, N. M´unera-Garz´on, M. A. Zuluaga, N. F. Velasco y E. Romero, ((Autism spectrum disorder characterization in children by capturing localregional brain changes in MRI,)) Medical Physics, vol. 47, n.o 1, p´ags. 119-131, 2020, issn: 00942405. doi: 10.1002/mp.13901A. I¸sin, C. Direkoˇglu y M. S¸ah, ((Review of MRI-based Brain Tumor Image Segmentation Using Deep Learning Methods,)) Procedia Computer Science, vol. 102, n.o August, p´ags. 317-324, 2016, issn: 18770509. doi: 10.1016/j.procs.2016. 09.407E. O.-O. Max Roser y H. Ritchie, ((Life Expectancy,)) Our World in Data, 2013, https://ourworldindata.org/life-expectancyO. Turr´o Garriga, S. L´opez Pousa, J. Vilalta Franch, A. Turon Estrada, I. Pericot Nierga, M. Lozano Gallego, M. Hern´andez Ferr`andiz, O. Soler Cors, X. Planas Pujol, S. Monserrat Vila y J. Garre Olmo, ((Valor econ´omico anual de la asistencia informal en la enfermedad de Alzheimer,)) Revista de Neurolog´ıa, vol. 51, n.o 04, p´ag. 201, 2010, issn: 0210-0010. doi: 10.33588/rn.5104.2010117A. Villarejo Galende, M. Eimil Ortiz, S. Llamas Velasco, M. Llanero Luque, C. L´opez de Silanes de Miguel y C. Prieto Jurczynska, ((Informe de la Fundaci´on del Cerebro. Impacto social de la enfermedad de Alzheimer y otras demencias,)) Neurologia, 2017, issn: 15781968. doi: 10.1016/j.nrl.2017.10.005. direcci´on: http://dx.doi.org/10.1016/j.nrl.2017.10.005A. Garrido Pascual, ´ ((An´alisis de im´agenes de resonancia magn´etica para la detecci´on del Alzheimer,)) 2018P. Pardi, G. Santos, J. Silva Gois, R. Braz Jr y E. Olave, ((Biomarcadores y Marcadores de Imagen de la Enfermedad de Alzheimer,)) International Journal of Morphology, vol. 35, n.o 3, p´ags. 864-869, 2017J. Appel, E. Potter, Q. Shen, G. Pantol, M. T. Greig, D. Loewenstein y R. Duara, ((A comparative analysis of structural brain MRI in the diagnosis of Alzheimer’s disease,)) Behavioural neurology, vol. 21, n.o 1, 2, p´ags. 13-19, 2009.La funci´on cerebral. direcci´on: https://www.cognifit.com/co/funcionescerebrales (visitado 21-08-2019).M. Romano, M. D. Nissen, N. Del Huerto y C. Parquet, ((Enfermedad de alzheimer,)) Revista de posgrado de la vıa c´atedra de medicina, vol. 75, p´ags. 9-12, 2007W. D. W. KNOW, ((What Is Alzheimer’s Disease?,)) 1986. L. Cummings y G. Cole, ((Alzheimer Disease,)) JAMA, vol. 287, n.o 18, p´ags. 2335-2338, mayo de 2002, issn: 0098-7484. doi: 10.1001/jama.287.18.2335. eprint: https: //jamanetwork.com/journals/jama/articlepdf/194892/jct10025.pdf. direcci´on: https://doi.org/10.1001/jama.287.18.2335R. J. Castellani, R. K. Rolston y M. A. Smith, ((Alzheimer disease,)) Disease-amonth: DM, vol. 56, n.o 9, p´ag. 484, 2010I. E. Leon, ((Amıgdala cerebral y sistema peptid´ergico hipot´alamo neurohipofisario. Estudio experimental de su interrelaci´on,)) Tesis doct., Universidad de Oviedo, 1991J. P. S´anchez-Navarro y F. Rom´an, ((Amıgdala, corteza prefrontal y especializaci´on hemisf´erica en la experiencia y expresi´on emocional,)) Anales de Psicologıa/Annals of Psychology, vol. 20, n.o 2, p´ags. 223-240, 2004E. E. A. Siancas, ((La funci´on del hipocampo en el procesamiento de la memoria y su deterioro durante el envejecimiento,)) Revista Mexicana de Neurociencia, vol. 16, n.o 4, p´ags. 21-30, 2016.J. D. O. Hern´andez, E. J. Aguilar y F. G. Garcıa, ((El hipocampo: neurog´enesis y aprendizaje,)) Rev Med UV, p´ags. 21-28, 2015W. Almaguer-Meli´an y J. Bergado-Rosado, ((Interacciones entre el hipocampo y la amıgdala en procesos de plasticidad sin´aptica. Una clave para entender las relaciones entre motivaci´on y memoria,)) Rev Neurol, vol. 35, n.o 6, p´ags. 586-93, 2002G. W. Van Hoesen, B. T. Hyman y A. R. Damasio, ((Entorhinal cortex pathology in Alzheimer’s disease,)) Hippocampus, vol. 1, n.o 1, p´ags. 1-8, 1991.C. ASTUDILLO MEZA y A. MONDACA MIRANDA, ((EL TRASTORNO DE ESPECTRO AUTISTA. NECESIDADES EDUCATIVAS A LA LUZ DEL INTERES SUPERIOR DEL NI ´ NO A PROP ~ OSITO DE LA SENTENCIA DE LA ´ CORTE DE APELACIONES DE ANTOFAGASTA, DE 6 DE DICIEMBRE DE 2018.,)) Revista de derecho (Concepci´on), vol. 88, n.o 247, p´ags. 257-278, 2020.G. Garcıa-Ribas, L.-S. Moreno y J. Garcıa Caldentey, ((Biomarcadores en la enfermedad de Alzheimer,)) Rev Neurologıa, vol. 58, n.o 7, p´ags. 308-17, 2014J. Rogers, N. R. Cooper, S. Webster, J. Schultz, P. L. McGeer, S. D. Styren, W. H. Civin, L. Brachova, B. Bradt y P. Ward, ((Complement activation by betaamyloid in Alzheimer disease,)) Proceedings of the National Academy of Sciences, vol. 89, n.o 21, p´ags. 10 016-10 020, 1992.J. G. Garz´on, A. Rodrıguez y A. Cabrera, ((Tomografıa por emisi´on de positrones de cuerpo completo (PET/TAC) con 18F-fluorodesoxiglucosa,)) Revista Espa~nola de Medicina Nuclear, vol. 28, n.o 2, p´ags. 85-89, 2009.U. Blum, C. Buitrago-Tellez, A. Mundinger, T. Krause, J. Laubenberger, P. Vaith, H. Peter y M. Langer, ((Magnetic resonance imaging (MRI) for detection of active sacroiliitis{a prospective study comparing conventional radiography, scintigraphy, and contrast enhanced MRI.,)) The Journal of Rheumatology, vol. 23, n.o 12, p´ags. 2107-2115, 1996.J. L. Starck, F. Murtagh y J. M. Fadili, Sparse image and signal processing: Wavelets, curvelets, morphological diversity. 2010, vol. 9780521119139, p´ags. 1-328, isbn: 9780511730344. doi: 10.1017/CBO9780511730344E. Candes y S. U. D. of Statistics, Ridgelets: Theory and Applications, ´ep. Technical report (Stanford University. Dept. of Statistics). Stanford University, 1998. direcci´on: https://books.google.com.co/books?id=pDvnPQAACAAJD. L. Donoho y M. R. Duncan, ((Digital curvelet transform: strategy, implementation, and experiments</title ,)) Wavelet Applications VII, vol. 4056, n.o April 2000, p´ags. 12-30, 2000. doi: 10.1117/12.381679S. Malek, M. Mosleh, S. K. Dhillon y P. Milow, ((Bioimage Informatics,)) en Encyclopedia of Bioinformatics and Computational Biology, S. Ranganathan, M. Gribskov, K. Nakai y C. Sch¨onbach, eds., Oxford: Academic Press, 2019, p´ags. 993-1010, isbn: 978-0-12-811432-2. doi: https://doi.org/10.1016/B978-0-12-809633- 8.20308-7. direcci´on: https://www.sciencedirect.com/science/article/ pii/B9780128096338203087M. Jenkinson, C. F. Beckmann, T. E. Behrens, M. W. Woolrich y S. M. Smith, ((FSL,)) NeuroImage, vol. 62, n.o 2, 2012. doi: 10.1016/j.neuroimage.2011.09. 015R. Desikan, F. S´egonne, B. Fischl, B. Quinn, B. Dickerson, D. Blacker, R. Buckner y A. Dale, ((R. Maguire RP, Hyman BT, Albert MS, Killiany RJ. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest,)) NeuroImage, vol. 31, n.o 3, p´ags. 968-80, 2006R. B. Gutierrez y P. G. i Cintas, ((El histograma como un instrumento para la comprensi´on de las funciones de densidad de probabilidad,)) Probabilidad Condicionada: Revista de did´actica de la Estadıstica, n.o 2, p´ags. 229-235, 2013.J. A. L´opez Esquivel, ((Una metodologıa de investigaci´on en la estimaci´on del par´ametro de forma de la distribuci´on Gaussiana generalizada,)) 2000.M. Oner y ¨ I. Deveci Kocako¸c, _ ((JMASM 49: a compilation of some popular goodness of fit tests for normal distribution: their algorithms and MATLAB codes (MATLAB),)) Journal of Modern Applied Statistical Methods, vol. 16, n.o 2, 2017.D. Choi y K. Lee, ((An artificial intelligence approach to financial fraud detection under IoT environment: A survey and implementation,)) Security and Communication Networks, vol. 2018, 2018.R. C. Petersen, P. Aisen, L. A. Beckett, M. Donohue, A. Gamst, D. J. Harvey, C. Jack, W. Jagust, L. Shaw, A. Toga y col., ((Alzheimer’s disease neuroimaging initiative (ADNI): clinical characterization,)) Neurology, vol. 74, n.o 3, p´ags. 201-209, 2010.T. A. D. N. Initiative, Adni. direcci´on: https://adni.loni.usc.edu/about/B. B. Avants, N. Tustison, G. Song y col., ((Advanced normalization tools (ANTS),)) Insight j, vol. 2, n.o 365, p´ags. 1-35, 2009.J. P. Aggleton, A. Pralus, A. J. Nelson y M. Hornberger, ((Thalamic pathology and memory loss in early Alzheimer’s disease: moving the focus from the medial temporal lobe to Papez circuit,)) Brain, vol. 139, n.o 7, p´ags. 1877-1890, 2016.M. Alraksinen, A. Paetau, L. Palja, K. Reinikainen, P. Rlekkinen, R. Suomalainen, P. Panula y col., ((Histamine neurons in human hypothalamus: anatomy in normal and Alzheimer diseased brains,)) Neuroscience, vol. 44, n.o 2, p´ags. 465-481, 1991R. E. B. Martınez, N. C. Ramırez, H. G. A. Mesa, I. R. Su´arez, M. d. C. G. Trejo, P. P. Le´on y S. L. B. Morales, ((Arboles de decisi´on como herramienta en el ´ diagn´ostico m´edico,)) Revista m´edica de la Universidad Veracruzana, vol. 9, n.o 2, p´ags. 19-24, 2009.D. Bank, N. Koenigstein y R. Giryes, Autoencoders, 2020. doi: 10.48550/ARXIV. 2003.05991. direcci´on: https://arxiv.org/abs/2003.05991Calle 100ORIGINALHernandezBohorquezJulianAlejandro2023.pdfHernandezBohorquezJulianAlejandro2023.pdfTrabajo de gradoapplication/pdf5867227http://repository.unimilitar.edu.co/bitstream/10654/45723/1/HernandezBohorquezJulianAlejandro2023.pdf13c937f4dab65edb5c1a5aaf6306fb98MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-83420http://repository.unimilitar.edu.co/bitstream/10654/45723/2/license.txta609d7e369577f685ce98c66b903b91bMD52open access10654/45723oai:repository.unimilitar.edu.co:10654/457232024-02-12 15:42:42.427open accessRepositorio Institucional UMNGbibliodigital@unimilitar.edu.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

Aplicación de la transformada curvelet para la detección de cambios estructurales en pacientes con enfermedad de Alzheimer

Publicaciones similares