Biomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual

dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.advisorArévalo Ovalle, John Edilson
dc.contributor.authorValenzuela Rincón, Brayan Camilo
dc.contributor.evaluatorPertuz Arroyo, Said David
dc.contributor.evaluatorMalpica González, Norberto Antonio
dc.date.accessioned2023-10-17T19:40:41Z
dc.date.available2023-10-17T19:40:41Z
dc.date.created2023-07-28
dc.date.issued2023-07-28
dc.description.abstractLa 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.abstractenglishParkinson'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.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/20.500.14071/15045
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
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-nd/4.0/
dc.subjectBradicinesia facial
dc.subjectEnfermedad de Parkinson (PD)
dc.subjectHipomimia
dc.subjectTrastornos del habla
dc.subjectAprendizaje multimodal
dc.subject.keywordFacial Bradykinesia
dc.subject.keywordParkinson’s Disease (PD)
dc.subject.keywordHypomimia
dc.subject.keywordSpeech Disorders
dc.subject.keywordMultimodal Learning
dc.titleBiomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual
dc.title.englishA Digital Biomarker to Quantify Parkinsonian Patterns Using Audio-Visual Data
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
356.96 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
271.69 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Documento.pdf
Size:
4.31 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description: