RESONANCIA MAGNÉTICA PARA EL DIAGNÓSTICO Y CLASIFICACIÓN DE LA ENFERMEDAD DE ALZHEIMER

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.