Resumen

La enfermedad de Alzheimer (EA) es una de las principales causas de demencia, que provoca graves problemas sanitarios y socioeconómicos. El Alzheimer, un trastorno neurodegenerativo progresivo, provoca cambios estructurales en el cerebro que afectan al comportamiento, la cognición, las emociones y la memoria. Se han utilizado numerosos algoritmos de análisis multivariante para clasificar la EA y distinguirla de los controles sanos (CS). Es imprescindible una clasificación temprana y eficaz de la EA y el deterioro cognitivo leve (DCL) respecto a los HC, ya que una atención preventiva temprana podría ayudar a mitigar los factores de riesgo. La resonancia magnética (RM), un biomarcador no invasivo, muestra diferencias morfométricas y cambios estructurales cerebrales. Aquí se propone un enfoque novedoso para distinguir la EA de la HC utilizando transformadas wavelet complejas de doble árbol (DTCWT), coeficientes principales de los cortes transaxiales de las imágenes de RM, análisis discriminante lineal y máquina de vectores de soporte gemela. La precisión de la predicción del método propuesto fue de 92,65 ± 1,18 en el conjunto de datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI), con una especificidad de 92,19 ± 1,56 y una sensibilidad de 93,11 ± 1,29, y de 96,68 ± 1,44 en el conjunto de datos de la Serie de Estudios de Imagen de Acceso Abierto (OASIS), con una sensibilidad de 97,72 ± 2,34 y una especificidad de 95,61 ± 1,67. La precisión, la sensibilidad y la especificidad de la predicción del método propuesto fueron de 92,65 ± 1,18 en el conjunto de datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI). La precisión, sensibilidad y especificidad alcanzadas con el método propuesto son comparables o superiores a las obtenidas por diversos métodos convencionales de predicción de la EA.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:±, AD, Alzheimer, HC, sensibilidad, especificidad, Numerosos algoritmos de análisis multivariante, máquina de vectores soporte gemela, varios métodos convencionales de predicción de AD, Iniciativa de Neuroimagen de la Enfermedad
• Keywords:±, AD, Alzheimer, HC, sensitivity, specificity, Numerous multivariate analysis algorithms, twin support vector machine, various conventional AD prediction methods, Disease Neuroimaging Initiative