Comparación de Técnicas de Aprendizaje Automático en la Identificación de la Enfermedad de Parkinson en Personas Mayores de 60 Años

La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo que afecta principalmente a personas mayores de 60 años. La detección precoz de esta enfermedad permite ofrecer tratamientos más eficaces y optimizar la calidad de vida de los pacientes. En esta investigación, se compara la eficacia de tres técnicas de aprendizaje automático: Máquina de Vectores de Soporte (SVM), Bosques Aleatorios (RF) y Bayesiano Ingenuo (NB) en la identificación de la EP. Para la evaluación se utilizan grabaciones de voz, datos de marcha y patrones de escritura, con el objetivo de determinar la precisión y consistencia de estos algoritmos. Los resultados muestran que RF y SVM son los más efectivos, con una precisión media de 94.40% y 92.30%, respectivamente. SVM destacó en la clasificación de datos de marcha, mientras que RF mostró una gran robustez en múltiples métricas, incluyendo especificidad y sensibilidad. Aunque NB es útil, presentó limitaciones con una precisión media de 70.3%, afectada por suposiciones simplificadas sobre la independencia de características

• מחבר ראשי: Vega Soto, David Fernando (author)
• פורמט: bachelorThesis
• שפה: spa
• יצא לאור: 2024
• נושאים: BIOMEDICINA; INTELIGENCIA ARTIFICIAL; PARKINSON > ADULTO MAYOR; DATOS BIOMÉDICOS
• גישה מקוונת: http://dspace.ups.edu.ec/handle/123456789/28306