Resumen

Antecedentes. Como enfermedad crónica progresiva, la diabetes mellitus (DM) tiene una elevada incidencia en todo el mundo, y repercute en las capacidades cognitivas y de aprendizaje a lo largo de la vida incluso en la fase inicial, puede degenerar la memoria en la mediana edad, y tal vez aumente el riesgo de padecer la enfermedad de Alzheimer. Método. En este trabajo, proponemos un método de clasificación basado en una red neuronal convolucional (CNN) para ayudar a clasificar la diabetes distinguiendo los cerebros con funciones anormales de los normales en imágenes de resonancia magnética funcional en estado de reposo (rs-fMRI). El modelo de clasificación propuesto se basa en la arquitectura de red neuronal convolucional Inception-v4-Residual. En nuestro flujo de trabajo, los datos originales de rs-fMRI se mapean primero para generar imágenes de amplitud de fluctuación de baja frecuencia (ALFF) y luego se introducen en el modelo CNN para obtener el resultado de clasificación que indique la posible existencia de DM. Resultados. Validamos nuestro método en un conjunto de datos clínicos realistas de rs-fMRI, y la precisión media alcanzada es del 89,95% en una validación cruzada quíntuple. Nuestro modelo alcanza un AUC de 0,8690 con una sensibilidad del 77,50 y 77,51% de sensibilidad y especificidad utilizando nuestro conjunto de datos local, respectivamente. Conclusiones. Tiene potencial para convertirse en una novedosa herramienta clínica de cribado preliminar que proporcione ayuda para la clasificación de diferentes categorías basadas en la alteración funcional cerebral causada por la diabetes, beneficiándose de su precisión y robustez, así como de su eficiencia y facilidad de uso para el paciente.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:arquitectura de red neuronal convolucional residual, resonancia magnética funcional, novedosa herramienta de cribado clínico preliminar, precisión media alcanzada, enfermedad crónica progresiva, red neuronal convolucional, alteración funcional cerebral, rs clínicas realistas, diabetes, modelo cnn
• Keywords:residual convolutional neural network architecture, functional magnetic resonance imaging, novel clinical preliminary screening tool, achieved average accuracy, chronic progressive disease, convolutional neural network, functional brain alteration, realistic clinical rs, diabetes, cnn model