1. Repositorio CYT
2. Posgrado
3. Tesis
4. Maestría en Informática

Autor(es):	Guatelli, Renata Silvia
Título:	Detección de la enfermedad de Parkinson basada en Máquinas de Aprendizaje Extremo
Director(es):	Aubin, Verónica Inés
Descriptores y temas:	TECNOLOGÍA DE BAJO COSTO TECNOLOGÍA BIOMÉDICA SOLUCIONES TECNOLÓGICAS EN EL ÁMBITO DE LA SALUD ENFERMEDAD DE PARKINSON DIAGNÓSTICO POR COMPUTADOR
Editor:	Universidad Nacional de La Matanza
Referencia sugerida:	Guatelli, R. S. (2023). Detección de la enfermedad de Parkinson basada en Máquinas de Aprendizaje Extremo. [Tesis de maestría, Universidad Nacional de La Matanza]. Repositorio Digital UNLaM. http://repositoriocyt.unlam.edu.ar/handle/123456789/1588
Resumen y filiaciones:	La enfermedad de Parkinson es un trastorno del movimiento que se caracteriza por la degeneración de las células nerviosas en una región del cerebro llamada sustancia negra mesencefálica, afectándose las vías generadoras de dopamina, un neurotransmisor esencial para el control del movimiento. Sus causas son variadas, dentro de ellas se encuentra la exposición a pesticidas, factores genéticos y, uno de los más influyentes, la edad. Si bien aún no se conoce una cura para la enfermedad, existen tratamientos que pueden mejorar significativamente la calidad de vida de los pacientes. Dado la disminución de dopamina, los síntomas más comunes son la aparición de temblores y rigidez muscular. Debido a la rigidez de los músculos se producen alteraciones de la voz las cuales tienen gran potencial para el diagnostico no invasivo y precoz de la enfermedad. El bajo costo de este diagnostico en comparación con los estudios clínicos lo haría accesible a un mayor número de personas. Trabajos recientes que analizan grabaciones de voz mediante Redes Neuronales Convolucionales presentan elevados niveles de acierto en el diagnóstico de la Enfermedad de Parkinson. En esta tesis se presentan distintos modelos de aprendizaje profundo, para la clasificación de enfermos de Parkinson y no enfermos utilizando espectrogramas de las señales de voz. Para construir clasificadores con Redes Neuronales Convolucionales, se requiere un número elevado de muestras y largo tiempo de entrenamiento. Para superar estas desventajas en esta tesis se presentan dos estrategias de aumentación de datos, a) la generación de espectrogramas con distintas paletas de colores; b) la fragmentación del audio original en segmentos de 1 segundo con el 50% de solapamiento y el uso de Máquinas de Aprendizaje Extremo aplicados a espectrogramas de voz. Se presentan 4 experimentos aplicados a espectrogramas con diversas arquitecturas de Redes Neuronales Convolucionales, a saber, AlexNet,VGG-16, SqueezeNet, Inception V3 y ResNet-50. En los experimentos se compara objetivamente la tasa de acierto, el tiempo de entrenamiento y test, la sensibilidad y la especificidad de todas las arquitecturas neuronales involucradas en el trabajo. Se muestra que las Máquinas de Aprendizaje Extremo tienen un nivel elevado de acierto en el diagnóstico de la enfermedad de Parkinson pero con tiempos de entrenamiento reducidos. Fil: Guatelli, Renata Silvia. Universidad Nacional de La Matanza; Argentina.
URI:	http://repositoriocyt.unlam.edu.ar/handle/123456789/1588
Aparece en las colecciones:	Maestría en Informática

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.