Título
IDENTIFICACIÓN DE DEMENCIA MEDIANTE RESONANCIA MAGNÉTICA Y CARACTERÍSTICAS EXTRAÍDAS

Capítulo
10
Páginas
137-157
Publicado em
30/11/2023
Autores
- Mijail Aldo Hancco CondoriUniversidad Nacional del Altiplano
- Andres Ladislao Cornejo PintoUniversidad Nacional del Altiplano
- Nick Nestor Hancco CondoriUniversidad Nacional de Juliaca
- Diego Jesus Guerra HuanquiUniversidad Catolica de Santa María
- Pamela Carmen Mamani GonzalesUniversidad Andina Néstor Cáceres Velasquez
- Juan Pedro La Torre VelizUniversidad Catolica de Santa María
- Valerio Palacios Chambi QuecaraUniversidad Nacional del Altiplano
- Pamela Lisbeth Mendoza PariUniversidad Nacional del Altiplano
- Nancy Cutisaca HanccoUniversidad Alas Peruanas
- Celestino Marcial Condori MamaniEscuela de Educacion Superior Pedagogica Publica Juliaca
Resumo
El estudio compara el rendimiento de varios algoritmos de clasificación en la detección de la demencia en imágenes de resonancia magnética. Se utilizan cuatro técnicas: Máquina de Vectores de Soporte (SVM), K-Vecinos más Cercanos (KNN), Bosque Aleatorio (RF) y una combinación de SVM y KNN. Se extraen características de las imágenes utilizando matrices de co-ocurrencia de niveles de gris (GLCM y GLRM), se entrenan modelos y se evalúa su rendimiento con métricas como precisión, Tasa de Verdaderos Positivos (TPR), Tasa de Verdaderos Negativos (TNR), Tasa de Falsos Positivos (FPR) y Tasa de Falsos Negativos (FNR). Los resultados indican que la combinación de SVM y KNN es la más precisa (93.501%) y efectiva para detectar la demencia, seguida por SVM con 90% de precisión. En general, los algoritmos de aprendizaje automático, como SVM, KNN y RF, son eficaces en la clasificación de imágenes de resonancia magnética en casos normales y de demencia, lo que podría ser útil para el desarrollo de sistemas de detección temprana de demencia basados en imágenes de resonancia magnética.
Palavras-chave
Demencia, Resonancia magnética, Aprendizaje automático, Clasificación, algoritmos.
Licença
Este capítulo está sob a Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional .

O conteúdo do capítulo, seus dados, forma, correção e confiabilidade são de responsabilidade exclusiva do(s) autor(es). É permitido o download e o compartilhamento, desde que pela origem e no formato Acesso Livre (Open Access), com os devidos créditos e a citação atribuídos ao(s) respectivo(s) autor(es). Não é permitida qualquer alteração, catalogação em plataformas de acesso restrito ou utilização para fins comerciais. O(s) autor(es) mantém os direitos autorais do texto.

