Deep Learning en el diagnóstico de Alzheimer mediante Imágenes de Resonancia Magnética

Abstract

En esta investigación se explora el diagnóstico de la enfermedad de Alzheimer (EA) mediante imágenes. Para detectar la enfermedad se ha empleado de manera convencional la verificación del historial médico del paciente, el monitoreo y evaluación periódica de su comportamiento y de la evolución (en un período de tiempo), de la presencia de rasgos neuro psicóticos o neurológicos y del funcionamiento intelectual con pruebas de memoria y exámenes clínicos. Otras formas de diagnóstico son el apoyado en imágenes de tomografía computarizada (TM), imágenes de resonancia magnética (IMR), tomografías computarizadas por emisión de fotón único (SPECT) o por tomografía por emisión de positrones (PET), así como en exámenes complementarios para descartar errores de diagnóstico, como pruebas de sangre y de la función de la tiroidea. Esta propuesta de investigación se centra en los beneficios que brindan la inteligencia artificial (IA), la resonancia magnética nuclear (RMN) y los patrones de aprendizaje profundo utilizando redes neuronales integradas (CNN) para la detección de EA mediante análisis comparativo a través de la identificación de diferentes arquitecturas para ayudar a los profesionales médicos a descubrir enfermedades y practicar diferentes conocimientos relacionados con el aprendizaje profundo.