Escuela de Ingeniería de Sistemas e Informática

Permanent URI for this community

https://noesis.uis.edu.co/handle/20.500.14071/9262

Browse

Browsing Escuela de Ingeniería de Sistemas e Informática by browse.metadata.advisor "Archila Valderrama, John Edinson"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    CLASIFICACIÓN DE PATRONES PARKINSONIANOS DESDE UNA REPRESENTACIÓN MULTIMODAL QUE INCLUYE PUNTOS DE REFERENCIA DE MARCHA Y ROSTRO
    (Universidad Industrial de Santander, 2025-05-25) Angarita Mendoza, Faiber Stiven; Martínez Carrillo, Fabio; Archila Valderrama, John Edinson; Arguello Fuentes, Henry; Rondon Villareal, Nydia Paola
    El Parkinson es una enfermedad multifactorial neurodegenerativa que es caracterizada por afecciones motoras como la bradicinesia (lentitud de los movimientos), inestabilidad postural, hipomimia, desordenes del habla y rigidez, como consecuencia del creciente déficit de dopamina. Estos síntomas son variables en intensidad y frecuencia, por lo que representan un desafío para el diagnóstico, estratificación y seguimiento de la enfermedad. De hecho, se han reportado errores diagnósticos del 47% para un médico general y hasta un 8% para especialistas en desordenes de movimiento. Recientemente, se han propuesto métodos computacionales para soportar la cuantificación y análisis de patrones durante la marcha y la expresión facial, pero abordados de forma independiente, perdiendo el carácter de análisis multimodal. En este trabajo de investigación se desarrolló una estrategia multimodal que, desde un conjunto de puntos de referencia, tanto posturales (en marcha), como de referencia de gestos de rostros, permite dar soporte al diagnóstico del Parkinson, bajo una tarea de clasificación. El método extrajo puntos de interés desde una red profunda, que permite hacer estimaciones sin marcadores. Luego estos puntos de interés fueron utilizados para construir descriptores correlativos, que permitan una discriminación entre una población de Parkinson y una población control. La metodología propuesta fue ajustada y validada con conjuntos de 580 videos, registrados desde 11 pacientes diagnosticados con la enfermedad y 18 pacientes control. El método desarrollado, bajo un esquema de validación cruzada ( k=5), logró obtener una exactitud de 92% ± 0.02, sensibilidad de 84% ± 0.05, precisión de 94% ± 0.06, F1-score de 89% ± 0.03 y AUC de 90% ± 0.03, logrando superar esquemas unimodales.