Desarrollo de una aplicación móvil para clasificación de imágenes de Alzheimer mediante aprendizaje automático

Este trabajo detalla el desarrollo de una aplicación móvil diseñada para la detección de fases de la enfermedad de Alzheimer (EA), mediante técnicas de inteligencia artificial y análisis de imágenes de resonancia magnética cerebral (IRM). La creciente prevalencia del Alzheimer y la necesidad de diagnósticos precoces hacen indispensable la implementación de herramientas que mejoren la precisión y accesibilidad en la identificación de esta enfermedad neurodegenerativa. Se utilizó un modelo basado en redes neuronales convolucionales (CNN) para clasificar IRM en diferentes fases de la enfermedad de Alzheimer, entrenado con un extenso conjunto de datos obtenido de Kaggle. La metodología empleada incluyó el preprocesamiento de imágenes, la implementación de arquitecturas optimizadas de CNN y la integración del modelo en una aplicación móvil funcional. Los resultados de la evaluación del modelo mostraron una precisión general del 98%, con un rendimiento particularmente alto en la identificación de "Demencia Moderada" y "Sin Demencia". La aplicación móvil no solo facilita el análisis de IRM, sino que también ofrece una interfaz de usuario amigable y eficiente, adecuada para profesionales de la salud y pacientes. Este avance representa un progreso significativo en el campo de la detección de fases de la enfermedad de Alzheimer, una herramienta confiable que puede aumentar la calidad del diagnóstico y permitir una intervención temprana. Se recomienda realizar estudios adicionales con datos más diversos y ajustar la arquitectura del modelo para optimizar aún más su rendimiento en entornos clínicos variados.

• Main Author: Cuenca Moreno, Oscar Patricio (author)
• Format: masterThesis
• Published: 2024
• Subjects: ALZHEIMER; INTELIGENCIA ARTIFICIAL; REDES NEURONALES CONVOLUCIONALES; APLICACION MOVIL
• Online Access: http://repositorio.utmachala.edu.ec/handle/48000/23899