Biomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual

Valenzuela Rincón, Brayan Camilo

Biomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual

dc.contributor.advisor	Martínez Carrillo, Fabio
dc.contributor.advisor	Arévalo Ovalle, John Edilson
dc.contributor.author	Valenzuela Rincón, Brayan Camilo
dc.contributor.evaluator	Pertuz Arroyo, Said David
dc.contributor.evaluator	Malpica González, Norberto Antonio
dc.date.accessioned	2023-10-17T19:40:41Z
dc.date.available	2023-10-17T19:40:41Z
dc.date.created	2023-07-28
dc.date.issued	2023-07-28
dc.description.abstract	La enfermedad de Parkinson es un trastorno neurodegenerativo que afecta a un gran número de personas en todo el mundo. Desordenes del habla y las alteraciones del movimiento facial son síntomas representativos de la enfermedad, estudiados manualmente por neurólogos expertos. En este contexto, se han desarrollado redes neuronales especializadas para el análisis de audio (voz) y vídeo (rostro), con el fin de apoyar el diagnóstico de la enfermedad. En este trabajo, proponemos la integración de representaciones profundas audiovisuales, aprendidas por dos redes neuronales independientes especializadas en el análisis de alteraciones faciales y auditivas. Para ello, se definió un protocolo de captura para adquirir secuencias audiovisuales totalmente sincronizadas en una población de pacientes diagnosticados de enfermedad de Parkinson y sujetos control. Los resultados obtenidos demostraron que la integración de fuentes de información neurológicamente sincronizadas, juega un factor fundamental en la detección de patrones relacionados con la enfermedad de Parkinson, consiguiendo una mejora en el diagnóstico de hasta el 10,22\% del Área bajo la curva ROC (AUC). En particular, los resultados sugieren que la información aprendida por la red de audio actúa de forma complementaria a la información procedente del vídeo, sugiriendo que la simple integración lineal a partir de diferentes modalidades sensoriales, es suficiente para mejorar la detección y diagnóstico de la enfermedad de Parkinson. Este trabajo representa un esfuerzo preliminar hacia el análisis multimodal de estos síntomas, con el objetivo de mejorar tanto la comprensión como el diagnóstico de la enfermedad.
dc.description.abstractenglish	Parkinson's disease is a neurodegenerative disorder that affects a large number of people worldwide. Voice and facial alterations are representative symptoms of the disease, studied manually by expert neurologists. In this context, specialized neural networks have been developed for the analysis of audio (voice) and video (face), in order to support the diagnosis of the disease. In this work, it has been proposed the integration of audio-visual deep representations, learned by two independent neural networks specialized in the analysis of facial and voice impairments. For this, a capture protocol was defined to acquire fully synchronized audiovisual sequences in a population of patients diagnosed with Parkinson's disease and control subjects. The results obtained demonstrated that the integration of neurologically synchronized information sources plays a fundamental factor in the detection of Parkinson's disease-related patterns, achieving an improvement in the diagnosis of up to 17.67% of the Area under the ROC Curve (AUC). In particular, the results suggest that the information learned by the audio network acts in a complementary manner to the video data, suggesting that simple linear integration from different sensory modalities, is enough to improve the detection and diagnosis of Parkinson's disease. This work represents a preliminary effort toward multimodal analysis of these symptoms, with the objective of enhancing both the comprehension and diagnosis of the disease.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Ingeniería de Sistemas e Informática
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/15045
dc.language.iso	eng
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Maestría en Ingeniería de Sistemas e Informática
dc.publisher.school	Escuela de Ingeniería de Sistemas e Informática
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Bradicinesia facial
dc.subject	Enfermedad de Parkinson (PD)
dc.subject	Hipomimia
dc.subject	Trastornos del habla
dc.subject	Aprendizaje multimodal
dc.subject.keyword	Facial Bradykinesia
dc.subject.keyword	Parkinson’s Disease (PD)
dc.subject.keyword	Hypomimia
dc.subject.keyword	Speech Disorders
dc.subject.keyword	Multimodal Learning
dc.title	Biomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual
dc.title.english	A Digital Biomarker to Quantify Parkinsonian Patterns Using Audio-Visual Data
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría