Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11721Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Ortega Riascos, Juan Camilo. | - |
| dc.date.accessioned | 2026-10-14T12:40:28Z | - |
| dc.date.available | 2022 | - |
| dc.date.available | 2026-10-14T12:40:28Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Ortega Riascos, J. C. (2022). Desarrollo de Herramienta Prediagnóstica para la clasificación de Alzheimer basado en imágenes de Resonancia Magnética (MRI) mediante técnicas de Inteligencia Artificial [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11721 | es_CO |
| dc.identifier.uri | https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11721 | - |
| dc.description | El proyecto planteado consiste en el desarrollo de una herramienta de software de apoyo para el neurólogo especialista destinada al prediagnóstico de la enfermedad de Alzheimer en 3 etapas como lo son: paciente con Alzheimer avanzado, paciente con Alzheimer moderado y paciente sano. Esto haciendo uso de redes neuronales convolucionales y una amplia base de datos que se extiende a más de 6000 imágenes divididas entre las 3 clases anteriormente mencionadas obtenidas de un repositorio abierto y de uso libre. A la herramienta de software de apoyo llamada “PshychoTool” se le desarrolla una interfaz de usuario destinada al manejo y visualización de resultados del prediagnóstico haciendo que la misma sea fácil y rápida de usar arrojando los mejores resultados posibles. Este proyecto genera un impacto en el área de la radiología y neurología brindando un fiable apoyo a la detección temprana del Alzheimer en pacientes de al menos 65 años de edad y con esto, permitir que el paciente pueda acceder a un tratamiento precoz que ayude a mitigar los efectos de esta enfermedad neurodegenerativa progresiva. | es_CO |
| dc.description.abstract | The proposed project consists of the development of a software tool to support the neurologist specialist for the pre-diagnosis of Alzheimer's disease in 3 stages: patient with advanced Alzheimer's disease, patient with moderate Alzheimer's disease and healthy patient. This by making use of convolutional neural networks and a large database that extends to more than 6000 images divided between the 3 classes mentioned above obtained from a free and open repository. To the support software tool called "PshychoTool" a user interface is developed for the management and visualization of pre-diagnosis results, making it easy and fast to use and giving the best possible results. This project generates an impact in the area of radiology and neurology providing a reliable support to the early detection of Alzheimer's disease in patients at least 65 years old and with this, allowing the patient to access a treatment that helps to mitigate the effects of this progressive neurodegenerative disease. | es_CO |
| dc.format.extent | 66 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona - Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.title | Desarrollo de Herramienta Prediagnóstica para la clasificación de Alzheimer basado en imágenes de Resonancia Magnética (MRI) mediante técnicas de Inteligencia Artificial. | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2022 | - |
| dc.relation.references | Álvarez-Linera Prado, J., & Jiménez-Huete, A. (2019). Neuroimagen en demencia. Correlación clínico-radiológica. Radiología (Madr., Ed. impr.), 66-81. | es_CO |
| dc.relation.references | Afavalle. (2020). Las Siete Fases del Alzheimer. Associació Familiars Alzheimer Valles Occidental. https://www.afavalles.com/las-sietefases-del-alzheimer/. | es_CO |
| dc.relation.references | Alzfae. (2015). Fases del Alzheimer - fundación Azheimer España. Inicio Fundación Azheimer España. http://www.alzfae.org/fundacion/146/fases-alzheimer. | es_CO |
| dc.relation.references | Alzheimer’s, A. (2022). Diagnóstico. Alzheimer's Disease and Dementia. Retrieved November 18, 2022, from https://www.alz.org/alzheimerdemencia/diagnostico. | es_CO |
| dc.relation.references | Atico, G. (2021) ¿Qué es el underfitting y cómo prevenirlo?, Grupo Atico34. https://protecciondatos-lopd.com/empresas/underfitting/. | es_CO |
| dc.relation.references | Atico34, G. (2022, May 13). Inteligencia artificial: Definición, Tipos y aplicaciones. Grupo Atico34. https://protecciondatoslopd.com/empresas/inteligencia-artificial. | es_CO |
| dc.relation.references | BBC. (2015). ¿Desde qué edad te puede dar alzheimer? BBC News Mundo. https://www.bbc.com/mundo/noticias/2015/03/150310_salud_alzheime r_pacientes_jovenes_mes. | es_CO |
| dc.relation.references | Brownlee, J. (2019, August 6). A gentle introduction to early stopping to avoid overtraining neural networks. MachineLearningMastery.com. Retrieved December 14, 2022, from https://machinelearningmastery.com/early-stopping-to-avoidovertraining-neural-network-models/. | es_CO |
| dc.relation.references | Brownlee, J. (2020) How to calculate precision, recall, and F-measure for imbalanced classification, MachineLearningMastery.com. https://machinelearningmastery.com/precision-recall-and-f-measurefor-imbalanced-classification/. | es_CO |
| dc.relation.references | BrightFocus, F. (2021). Tratamientos de la Enfermedad de Alzheimer. Tratamientos de la Enfermedad de Alzheimer | BrightFocus Foundation. https://www.brightfocus.org/espanol/la-enfermedad-dealzheimer-y-la-demencia/tratamientos-de-la-enfermedad-de-alzheimer. | es_CO |
| dc.relation.references | Brush, K. (2019, December 31). What is Medical Imaging? WhatIs.com. https://www.techtarget.com/whatis/definition/medical-imaging. | es_CO |
| dc.relation.references | Chandra, A., Dervenoulas, G., & Politis, M. (2018). Magnetic resonance imaging in Alzheimer’s disease and mild cognitive impairment. Journal of Neurology. doi:10.1007/s00415-018-9016-3. | es_CO |
| dc.relation.references | Ciardullo, S. (2022). Cómo interpretar una resonancia magnética (RM) de cerebro. Radiologia 2.0. https://radiologia2cero.com/como-interpretarrm-de-cerebro/. | es_CO |
| dc.relation.references | Cun, Y. L., Profile, V., Boser, B., Denker, J. S., Howard, R. E., Habbard, W., Jackel, L. D., Henderson, D., Univ., C. M., & Metrics, O. M. V. A. (1990). Handwritten digit recognition with a back-propagation network: Advances in neural information processing systems 2. Guide books. https://dl.acm.org/doi/10.5555/109230.109279. | es_CO |
| dc.relation.references | Dansbecker, D.A.N.B. (2018) Rectified linear units (ReLU) in Deep learning, Kaggle. Kaggle. https://www.kaggle.com/code/dansbecker/rectifiedlinear-units-relu-in-deeplearning?scriptVersionId=3528657&cellId=1. | es_CO |
| dc.relation.references | Damulina, A., Pirpamer, L., Soellradl, M., Sackl, M., Tinauer, C., Hofer, E., ... & Langkammer, C. (2020). Cross-sectional and longitudinal assessment of brain iron level in Alzheimer disease using 3-T MRI. Radiology, 296(3), 619-626. | es_CO |
| dc.relation.references | Donoso, A. (2003). Alzheimer’s disease. Revista chilena de neuro-psiquiatría. http://dx.doi.org/10.4067/S0717-92272003041200003. | es_CO |
| dc.relation.references | Dot, C. S. V. (2020, November 12). ¡redes neuronales convolucionales! ¿Cómo funcionan? YouTube. https://youtu.be/V8j1oENVz00. | es_CO |
| dc.relation.references | Ellison, J. (2021) Las causas posibles de la enfermedad de alzheimer, Las causas posibles de la enfermedad de Alzheimer | BrightFocus Foundation. https://www.brightfocus.org/espanol/alzheimer/lascausas-posibles-de-la-enfermedad-de-alzheimer. | es_CO |
| dc.relation.references | Etienne, C. (2019). Deep learning applied to speech emotion recognition (Doctoral dissertation, Université Paris Saclay (COmUE)). | es_CO |
| dc.relation.references | Experts, E. (2022) Resonancia Magnética T1 Y T2, Imágenes Potenciadas, Eva. https://evacenter.com/blog/conceptos-basicos-de-radiologia-enresonancia-magnetica/. | es_CO |
| dc.relation.references | Funciones. (2021). Función Tangente Hiperbólica: Fórmula, Gráfica, Características, Funciones matemáticas. https://www.funciones.xyz/funcion-tangente-hiperbolica/. | es_CO |
| dc.relation.references | Flores, A. (2021) Lista de las Mejores librerías de Python para el 2022, https://www.crehana.com. https://www.crehana.com/blog/transformacion-digital/librerias-python. | es_CO |
| dc.relation.references | Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. Deep Learning. https://www.deeplearningbook.org/. | es_CO |
| dc.relation.references | Kandel, E.R., Schwartz, J.H. and Jessell, T.M. (2001) Principios de Neurociencia. Madrid, Españ: McGraw-Hill Interamericana. | es_CO |
| dc.relation.references | KeepCoding, R. (2022) Ventajas y desventajas de Python, KeepCoding Tech School. https://keepcoding.io/blog/ventajas-y-desventajas-de-python. | es_CO |
| dc.relation.references | KeepCoding, R. (2022) Tipos de Capas de red neuronal convolucional, KeepCoding Tech School. Redacción KeepCoding. https://keepcoding.io/blog/tipos-capas-red-neuronal-convolucional. | es_CO |
| dc.relation.references | LOliva. (2022). ¿Cuáles son las etapas de la enfermedad de alzheimer? Cano Health. https://canohealth.com/es/noticias/blog-es/cuales-son-lasetapas-de-la-enfermedad-de-alzheimer/. | es_CO |
| dc.relation.references | Liu, H. (2020). Rail transit channel robot systems. Robot Systems for Rail Transit Applications, 283–328. doi:10.1016/b978-0-12-822968- 2.00007-3. | es_CO |
| dc.relation.references | Mayo, C. (2022). Enfermedad de Alzheimer. Mayo Clinic. https://www.mayoclinic.org/es-es/diseases-conditions/alzheimersdisease/diagnosis-treatment/drc-20350453. | es_CO |
| dc.relation.references | Mera Jiménez, L., & Ochoa Gómez, J. F. (2022). Volume Reduction Techniques for the Classification of Independent Components of rsfMRI Data: A Study with Convolutional Neural Networks. Neuroinformatics, 20(1), 73-90. | es_CO |
| dc.relation.references | Merino, E. N., Sendin, M. C., & Osorio, J. V. (2015). Enfermedad de Alzheimer. Medicine-Programa de Formación Médica Continuada Acreditado, 11(72), 4306-4315. | es_CO |
| dc.relation.references | McIvor, W. (2020). Las 7 etapas de la enfermedad de alzheimer: Qué Esperar Desde la Etapa Preclínica de la enfermedad de Alzheimer hasta su etapa terminal. https://www.seniorlink.com/es-us/blog/the-7-stages-ofalzheimers. | es_CO |
| dc.relation.references | Mustafeez, A. (2022). What is early stopping? Educative. Retrieved December 14, 2022, from https://www.educative.io/answers/what-is-earlystopping. | es_CO |
| dc.relation.references | Na8 (2017) Qué es overfitting y underfitting y cómo solucionarlo., Aprende Machine Learning. Available at: https://www.aprendemachinelearning.com/que-es-overfitting-yunderfitting-y-como-solucionarlo/ (Accessed: December 10, 2022). | es_CO |
| dc.relation.references | Nielsen, M. (2018). Neural networks. Redes Neuronales. https://ml4a.github.io/ml4a/es/neural_networks/. | es_CO |
| dc.relation.references | Ojeda, A. (2021). Nebulova - Predicción con redes neuronales convolucionales (CNN). from https://www.nebulova.es/blog/redes-neuronalesconvolucionales. | es_CO |
| dc.relation.references | Orouskhani, M., Rostamian, S., Zadeh, F. S., Shafiei, M., & Orouskhani, Y. (2022). Alzheimer's Disease Detection from Structural MRI Using Conditional Deep Triplet Network. Neuroscience Informatics, 100066. | es_CO |
| dc.relation.references | Ramírez, F. (2019). Las Matemáticas del machine learning ¿Qué Debo Saber? Think Big. https://empresas.blogthinkbig.com/matematicas-delmachine-learning. | es_CO |
| dc.relation.references | Romano, M., Nissen, M. D., Del Huerto, N., & Parquet, C. (2007). Enfermedad de alzheimer. Revista de posgrado de la vía cátedra de medicina, 75, 9-12. | es_CO |
| dc.relation.references | Rivera, D. M., Puentes, S., & Caballero, L. (2011). Resonancia magnética cerebral: secuencias básicas e interpretación. Universitas Médica. | es_CO |
| dc.relation.references | Ringa, T. (2022, May 25). Funciones de Activación a Detalle (Redes neuronales). YouTube. https://youtu.be/_0wdproot34. | es_CO |
| dc.relation.references | Rivas, A. (2021) Ventajas y desventajas de Python - Qué Es, ejemplos y definición, Muy Tecnológicos https://muytecnologicos.com/diccionariotecnologico/ventajas-y-desventajas-de-python. | es_CO |
| dc.relation.references | Sotaquirá, M. (2019) Padding, strides, Max-pooling y stacking en las redes convolucionales, Codificando Bits. https://www.codificandobits.com/blog/padding-strides-maxpoolingstacking-redes-convolucionales/. | es_CO |
| dc.relation.references | Tablado, F. (2022, May 13). Inteligencia artificial: Definición, Tipos y aplicaciones. Grupo Atico34. Retrieved November 28, 2022, from https://protecciondatos-lopd.com/empresas/inteligencia-artificial/. | es_CO |
| dc.relation.references | Ulloa Ríos, F. (2018). Detección de fallas en maquinaria rotativa: implementación de una red neuronal convolucional. | es_CO |
| dc.relation.references | U.S. Department of Health and Human Services. (2017). ¿Qué causa la enfermedad de Alzheimer? National Institute on Aging. https://www.nia.nih.gov/espanol/causa-enfermedad-alzheimer. | es_CO |
| dc.relation.references | Usca León, J. M. (2018). Análisis de señales analógicas de un sistema convolucional (Doctoral dissertation, Universidad de Guayaquil. Facultad de Ingeniería Industrial. Carrera de Ingeniería en Teleinformática). | es_CO |
| dc.relation.references | Wood, T. (2019) Softmax function, DeepAI. Deepai. https://deepai.org/machinelearning-glossary-and-terms/softmax-layer. | es_CO |
| dc.relation.references | Visus, A. (2020) ¿Para qué sirve python? Razones para utilizar Este lenguaje de Programación, Inicio. ESIC. https://www.esic.edu/rethink/tecnologia/para-que-sirvepython#:~:text=El%20lenguaje%20de%20programaci%C3%B3n%20P ython,aplicaciones%20empresariales%20fiables%20y%20escalables. | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería Electrónica | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Ortega_2022_TG.pdf | Ortega_2022_TG | 2,18 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.