Year: 2023
Type: book-chapter
Abstract: El estudio se centró en desarrollar una estrategia de clasificación utilizando algoritmos de aprendizaje automático para diagnosticar la enfermedad de Alzheimer. Se utilizaron imágenes de resonancia magnética y tomografía por emisión de positrones (PET)para crear un nuevo enfoque llamado MM-SDPN. Los métodos utilizados incluyeron el uso de algoritmos como Naive Bayes (NB), Máquina de Vectores de Soporte (SVM) y el método de los k-vecinos más cercanos (K-NN) para la clasificación. También se aplicaron técnicas de preprocesamiento y extracción de características mediante métodos como GLCM y HAAR. Los resultados destacaron que SVM logró una precisión excepcionalmente alta del 93%, mientras que LDA obtuvo una precisión moderada del 90%. Además, SVM superó a LDA en cuanto a especificidad, sensibilidad y tasa de error. En conclusión, la estrategia de clasificación en capas múltiples utilizando algoritmos de aprendizaje automático y la combinación de técnicas de extracción de características demostró ser efectiva en el diagnóstico de la enfermedad de Alzheimer. El clasificador SVM superó a LDA en precisión y rendimiento, lo que sugiere que combinar la extracción de características con diferentes métodos clasificadores podría mejorar el diagnóstico de la enfermedad de Alzheimer.
DOI: 10.37885/231014629
Language: Spanish
Subfield: Psychiatry and Mental health
Field: Medicine
Domain: Health Sciences
Open Access status: hybrid
OpenAlex ID: W4388178013