Trabajo Fin de Grado en Ingeniería Informática (2017) realizado por Francisco Carrillo Pérez. La totalidad de la documentación se encuentra en español.
Palabras Clave: DeepLearning, CNN, Alzheimer
La enfermedad de Alzheimer es una de las enfermedades que más afecta a pacientes de edad avanzada en todo el mundo. Su cura se desconoce, por lo que un diagnóstico precoz puede ayudar a mejorar notablemente la vida del paciente. El problema es que la clasificación de la enfermedad en edad temprana es una tarea complicada, además de que se puede confundir con otros deterioros que acaecen propios de la edad. Con los nuevos avances que se han obtenido en el uso de técnicas de Deep Learning en el área de Visión por Computador y clasificación de imágenes, el uso de estas técnicas para la clasificación de pacientes puede suponer una ayuda notable a la hora de que se pueda diagnosticar correctamente si un paciente está comenzando a desarrollar esta enfermedad, con lo que se podría tratar con suficiente tiempo. Con este trabajo, se intenta responder si con estas técnicas podemos realizar una clasificación correcta de imágenes 2D cerebrales de pacientes y de ser así cuáles serían las capas del cerebro más favorables a la hora de realizar esta clasificación.
Keywords: DeepLearning, CNN, Alzheimer
Alzheimer is one of the diseases that affect the most to the elderly in the whole world. The cure is unknown, so an early diagnosis is very important in order to make improvements in the patients life. With this disease we have the problem that an early diagnosis is really complicated, adding the fact that it could be difficult to distinguish it in respect to other elederly brain damages. In the recent years, there has been an active research on Deep Learning techniques in the area of Computer Vision and Image Classification. The use of this techniques for patient diagnosis could be a useful help when deciding if a patient is developing the disease, allowing the application of an appropriate treatment at an early stage. With this work, we are trying to answer if by the usage of these techniques we can make a good classification of 2D brain images of patients and, if so, which are the best slices of the brain to perform this classification.
Francisco Carrillo Pérez