Análisis de estrategias neuroevolutivas para la clasificación diferencial de demencias
Guardado en:
| 作者: | |
|---|---|
| 格式: | tesis doctoral |
| Fecha de Publicación: | 2025 |
| 實物特徵: | Esta tesis doctoral desarrolla y evalúa una estrategia neuroevolutiva para la clasificación diferencial de demencias mediante imágenes de resonancia magnética. La investigación aporta cuatro contribuciones fundamentales: (1) un corpus especializado de imágenes cerebrales para clasificar Enfermedad de Alzheimer, Demencia Frontotemporal y sujetos Cognitivamente Normales; (2) un flujo de trabajo (pipeline) para la transformación y reducción de dimensionalidad de dichas imágenes; (3) un nuevo algoritmo de optimización denominado Micro-Evolutionary Particle Swarm Optimization, que combina conceptos de enjambre de partículas con principios evolutivos y micropoblaciones; y (4) una solución computacionalmente eficiente para la clasificación diferencial de demencias aplicable en entornos clínicos con recursos limitados. La metodología aborda el desafío diagnóstico mediante: preprocesamiento avanzado de imágenes que reduce la dimensionalidad; validación del algoritmo Micro-Evolutionary Particle Swarm Optimization para optimizar parámetros en redes neuronales; y un marco completo para la clasificación diferencial. Se incorporan dos escenarios evaluativos: comparación entre neuroevolución mediante Micro-Evolutionary Particle Swarm Optimization y descenso de gradiente con retropropagación; y análisis comparativo con resultados de la literatura científica. Los resultados muestran que el enfoque neuroevolutivo logra rendimiento comparable a métodos tradicionales (76% vs 75% de exactitud), pero con reducción significativa en la información requerida (19 vs 604 componentes principales), evidenciando que el método captura eficientemente las características relevantes para el diagnóstico diferencial con representación más compacta. La investigación contribuye tanto a la inteligencia artificial como a la práctica clínica, estableciendo base para futuras investigaciones en la intersección entre computación evolutiva, aprendizaje profundo y medicina, con implicaciones para mejorar la detección temprana y diagnóstico diferencial de demencias. |
| País: | Kérwá |
| 機構: | Universidad de Costa Rica |
| Repositorio: | Kérwá |
| 語言: | Español |
| OAI Identifier: | oai:kerwa.ucr.ac.cr:10669/102537 |
| 在線閱讀: | https://hdl.handle.net/10669/102537 |
| Palabra clave: | inteligencia de enjambre metaheurística de optimización computación evolutiva reconocimiento de patrones demencia redes neuronales artificiales micropoblaciones neuroevolución |