Modelo de clasificación de enfermedades neurológicas a partir de morfometría basada en voxeles en imágenes de resonancia magnética cerebral. Semestre de Industria

RESUMEN : Las enfermedades neurológicas representan un desafío significativo en el campo de la medicina, requiriendo métodos de diagnóstico precisos y tempranos. En este contexto, la resonancia magnética (RM) y la morfometría basada en voxeles (VBM) han emergido como herramientas prometedoras para e...

Full description

Autores:: Zea Monsalve, Lisset Andrea

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2025

Institución:: Universidad de Antioquia

Repositorio:: Repositorio UdeA

Idioma:: spa

Description
Summary:	RESUMEN : Las enfermedades neurológicas representan un desafío significativo en el campo de la medicina, requiriendo métodos de diagnóstico precisos y tempranos. En este contexto, la resonancia magnética (RM) y la morfometría basada en voxeles (VBM) han emergido como herramientas prometedoras para el análisis estructural del cerebro. Este proyecto se enfoca en desarrollar un modelo de clasificación de enfermedades neurológicas utilizando VBM en imágenes de RM cerebral, con un énfasis particular en la población colombiana. El objetivo principal es diseñar un modelo capaz de clasificar entre sujetos sanos y aquellos con patologías neurológicas, utilizando imágenes de RM de 1.5 y 3 teslas del sistema de información SURA. El desarrollo del modelo se estructuró en tres fases principales: (1) Identificación de la sensibilidad de un flujo VBM existente, con categorización de datos por edad y revisiones cualitativas y cuantitativas; (2) optimización de modelos de clasificación basados en máquinas de soporte vectorial (SVM) y exploración clasificación multiclase; y (3) evaluación del modelo en datos de 3 teslas para identificar necesidades de ajuste o ampliación. Las optimizaciones incluyen la armonización de datos para reducir sesgos introducidos por diferentes centros de adquisición y la generación de plantillas normativas específicas por edad y sexo. Los resultados obtenidos indican que las plantillas específicas por edad y sexo no generaron una mejora significativa en el desempeño del modelo de clasificación. Sin embargo, la armonización de datos sí contribuyó a un mejor rendimiento, alcanzando una precisión del 81.9% en la clasificación multiclase, superando el desempeño inicial. Además, se validó que la inclusión de datos de resonancia magnética de 3 teslas no afecta negativamente al modelo. Este enfoque permitió identificar diferencias estructurales sutiles asociadas a enfermedades como Alzheimer y Parkinson, destacando el potencial del modelo para su implementación en el diagnóstico temprano y el desarrollo de tratamientos personalizados.

Modelo de clasificación de enfermedades neurológicas a partir de morfometría basada en voxeles en imágenes de resonancia magnética cerebral. Semestre de Industria

Publicaciones similares