Análisis topológico de primitivas cinemáticas para la caracterización del Parkinson

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorGomez Jaramillo, Francisco Albeiro
dc.contributor.authorCastrillón Gamboa, Yessica Carolina
dc.date.accessioned2024-03-04T01:15:10Z
dc.date.available2021
dc.date.available2024-03-04T01:15:10Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractEsta investigación se centra en el Análisis Topológico de Datos (TDA), una herramienta matemática que permite estudiar la estructura topológica de una nube de puntos (datos) conel objetivo de encontrar “agujeros” k—dimensionales, a través de la homología persistente. Por mediode esta herramienta se propuso una metodología alternativa para la caracterización de la enfermedad de Parkinson (EP), modelando puntos k—dimensionales que representan la periodicidad durantela marcha de cada paciente. Inicialmente, se registran videos de personas control y pacientes con EPy se extraen trayectorias de movimientos. Cada trayectoria se caracteriza por su periodicidad usando SW1PerS (por sus siglas en ingles: Sliding Windows and 1-Persistence Scoringes). Entonces, unanálisis de homología persistente es realizado sobre los puntos de cada trayectoria, calculando índices topológicos que permiten medir características de predictibilidad. Esta metodología fue evaluadaen un conjunto de 22 pacientes (11 pacientes con la EP y 11 pacientes control). El índice topológicocon mayor capacidad de discriminación entre las dos poblaciones de pacientes es el basado en laperiodicidad con el método SW1PerS. En este sentido, se evidencia que los pacientes de párkinsony las personas control tienen diferencias estadísticamente significativas con respecto a los patronesde periodicidad definidos.
dc.description.abstractenglishThis research focuses on Topological Data Analysis (TDA), a mathematical tool thatallows studying the topological structure of a point cloud (data) with the aim of finding k-dimensional“holes” through persistent homology. By means of this tool, an alternative methodology for the characterization of Parkinson's disease (PD) was proposed, modeling k—dimensional points representingthe periodicity during the gait of each patient. Initially, videos of control individuals and PD patientsare recorded and movement trajectories are extracted. Each trajectory is characterized for periodicityusing SW1PerS (Sliding Windows and 1-Persistence Scoringes). The resulting points from each trajectory are mapped to a common space that allows persistent homology analysis. From this analysis,topological indices are calculated that allow measurement of topological features related to predictability, such as the periodicity of the time series. This methodology was evaluated in a set of 22 patients(11 PD patients and 11 control patients). The topological index with the highest discrimination capacity between the two patient populations is the one based on periodicity with the SW1PerS method. Inthis sense, it is evident that Parkinson’s patients and controls have statistically significant differenceswith respect to the defined periodicity patterns.
dc.description.degreelevelPregrado
dc.description.degreenameMatemático
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/20.500.14071/41325
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programMatemáticas
dc.publisher.schoolEscuela de Matemáticas
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.subjectAnálisis Topológico De Datos
dc.subjectHomología Persistente
dc.subjectParkinson
dc.subjectPrimitivas Cinemáticas
dc.subjectPredictibilidad.
dc.subject.keywordTopological Data Analysis
dc.subject.keywordPersistent Homology
dc.subject.keywordParkinson
dc.subject.keywordPredictability.
dc.titleAnálisis topológico de primitivas cinemáticas para la caracterización del Parkinson
dc.title.englishTopological analysis of kinematic primitives for parkinson’s modeling.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
71.77 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
33.18 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
108.25 KB
Format:
Adobe Portable Document Format
Download
Collections
Matemáticas