Álvarez Llorente, David2024-05-202024-05-202012-12-17https://hdl.handle.net/20.500.14468/14025Este trabajo estudia la capacidad de una máquina de vectores soporte para diagnosticar de forma automática si un paciente sufre la enfermedad de Alzheimer en su estado inicial a partir de imágenes estructurales del cerebro obtenidas mediante resonancia magnética. Para ello se emplearon los estudios de 414 individuos (tanto enfermos como controles sanos) disponibles en el proyecto OASIS. Todas las imágenes fueron segmentadas para distinguir materia blanca y materia gris y normalizadas a un mismo espacio (plantilla MNI) para poder compararlas entre sí. Las características que se utilizaron para describir a cada paciente fueron las cantidades relativas de materia gris y el volumen de las distintas regiones del cerebro (identificadas mediante una plantilla del Atlas de Talairach adaptada a las dimensiones a las que estaban normalizadas las imágenes). Se comprobó el rendimiento del sistema entrenándolo con distintos conjuntos de características: empleando sólo materia gris, sólo volúmenes relativos, utilización de todas las características o únicamente un subconjunto de ellas elegido en base dos métodos diferentes: árboles de decisión y literatura clínica. El mejor rendimiento del sistema se obtuvo empleando únicamente los volúmenes de aquellas regiones que, según la bibliografía clínica, sufren un deterioro más rápido debido a la enfermedad. La sensibilidad y especificidad obtenidas en ese caso fueron superiores al 80% en caso de emplear un subconjunto de 80 pacientes de características demográficas similares. Sin embargo, el sistema presentó una sensibilidad muy inferior en caso de ser entrenado con una población heterogénea (414 individuos de un amplio rango de edades y ambos sexos). Las cantidades de materia gris de las distintas regiones del cerebro fueron en esa ocasión las características que ofrecieron un mejor resultado.esAtribución-NoComercial-SinDerivadas 4.0 Internacionalinfo:eu-repo/semantics/openAccesstesis de maestría