Amplificación visual de signos óculo-motores para el reconocimiento de patrones parkinsonianos

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorPertuz Arroyo, Said David
dc.contributor.authorSalazar Acosta, Isail
dc.date.accessioned2024-03-04T00:48:27Z
dc.date.available2020
dc.date.available2024-03-04T00:48:27Z
dc.date.created2020
dc.date.issued2020
dc.description.abstractLas alteraciones óculo-motoras constituyen un biomarcador prometedor para detectar y caracterizar la enfermedad de Parkinson (EP), inclusive en etapas pródromas. En la actualidad, sin embargo, solo se cuenta con el uso de dispositivos de seguimiento visual que entregan trayectorias globales y simplificadas para aproximar la compleja cinemática de la función óculo-motora. La adquisición de estas señales además suele requerir de protocolos intrusivos y sofisticados pasos de calibración. Este trabajo presenta un novedoso biomarcador de imagen para evaluar la EP mediante el modelamiento de los movimientos de fijación ocular, registrados con cámaras convencionales. En primer lugar, se realiza un proceso de magnificación de video basado en aceleración, cuyo fin es mejorar visualmente pequeños patrones relevantes de fijación en los videos capturados. Seguidamente se procede a extraer un conjunto de cortes espacio-temporales por video, los cuales son representados como mapas de características desde las primeras capas pre-entrenadas de redes neuronales convolucionales. A continuación, estos mapas se codifican eficientemente mediante matrices de covarianza para el entrenamiento de una máquina de soporte vectorial que lleva a cabo la clasificación de la enfermedad. Utilizando un conjunto de 130 videos en un estudio con 13 pacientes PD y 13 control, el enfoque propuesto alcanzó una precisión media de 95.4% y un área bajo la curva ROC de 0.984, siguiendo un esquema de validación cruzada por paciente excluido. El descriptor introducido captura adecuadamente en los ojos patrones de temblor conocidos en PD mostrando un desempeño sobresaliente.
dc.description.abstractenglishOculomotor alterations constitute a promising biomarker to detect and characterize Parkinson’s disease (PD), even in prodromal stages. Currently, however, only global and simplified gaze trajectories, obtained from tracking devices, are used to approximate the complex kinematics of the oculomotor function. Besides, the acquisition of such signals often requires sophisticated calibration and intrusive settings. This work presents a novel imaging biomarker for PD assessment that models ocular fixational movements, recorded with conventional cameras. Firstly, a video acceleration magnification is performed to visually enhance small relevant fixation patterns on standard gaze video recordings. Hence, from each video are extracted a set of spatio-temporal slices, which thereafter are represented as convolutional feature maps, recovered as the first layer responses of pre-trained CNN architectures. The feature maps are then efficiently encoded by means of covariance matrices to train a support vector machine and perform the disease classification. From a set of 130 recordings in a study of 13 PD patients and 13 age-matched controls, the proposed approach achieved an average accuracy of 95.4% and an area under the ROC curve of 0.984, following a leave-one-patientout cross-validation scheme. The introduced imaging-based descriptor is able to properly capture known disease tremor patterns in the eyes, since PD classification performance is outstanding when augmented motion frequencies were fixed within tremor-related pathological ranges.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/40584
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectEnfermedad De Parkinson
dc.subjectFijación Ocular
dc.subjectPatrones Óculomotores
dc.subjectMagnificación De Movimiento
dc.subjectCaracterísticas Convolucionales.
dc.subject.keywordParkinson’S Disease
dc.subject.keywordOcular Fixation
dc.subject.keywordOculomotor Patterns
dc.subject.keywordMotion Magnification
dc.subject.keywordCnn Features.
dc.titleAmplificación visual de signos óculo-motores para el reconocimiento de patrones parkinsonianos
dc.title.englishVisual amplification of oculomotor signs for parkinsonian patterns recognition
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
67.06 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
6.16 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
661.35 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Sistemas e Informática