Avaluació d'enfocaments clàssics i nous d'aprenentatge automàtic per a la detecció precoç de l'Alzheimer utilitzant dades de ressonància magnètica funcional (fMRI)

Identificador:  TFM:2521

Handle: https://hdl.handle.net/20.500.11797/TFM2521

Autors:  Baidal Marco, Miguel

Resum:
La malaltia d'Alzheimer (MA) es caracteritza per alteracions biològiques primerenques que comencen molts anys abans de l'aparició dels símptomes clínics, cosa que fa que la detecció precoç sigui difícil i crucial per a una predicció i intervenció efectives. En aquest estudi, s'aplica una avaluació sistemàtica d'alguns models predictius amb l'objectiu d'avaluar l'eficàcia de la connectivitat funcional de la ressonància magnètica i les característiques d'amplitud per identificar els participants amb risc de MA. Aquesta anàlisi compara tant les tècniques tradicionals d'aprenentatge automàtic com les arquitectures de xarxes neuronals modernes, avaluant el seu rendiment en termes de precisió, però també en altres dimensions com la reducció de la dimensionalitat, la selecció de característiques i el maneig del desequilibri de classes. A més, s'apliquen mètodes d'explicabilitat per entendre millor quines característiques són més importants en la predicció, proporcionant informació rellevant sobre els mecanismes de la malaltia. La transferibilitat dels resultats es prova més a fons mitjançant un conjunt de dades de validació independent. Els resultats suggereixen que, malgrat la promesa de l'aprenentatge profund, els enfocaments clàssics continuen sent altament competitius, cosa que destaca la complexitat de la predicció primerenca de la MA.