El pasado 9 de mayo de 2024, Carlos Roncero Parra defendió su tesis doctoral titulada “UTILIZACIÓN DE ALGORITMOS DE CLASIFICACIÓN BASADOS EN TÉCNICAS DE MACHINE Y DEEP LEARNING PARA LA DETECCIÓN DE LA ENFERMEDAD DE ALZHEIMER MONITORIZADA MEDIANTE ELECTROENCEFALOGRAMAS" en la Escuela Superior de Ingeniería Informática de Albacete (ESIIAB).
Carlos Roncero Parra obtuvo la calificación de Sobresaliente cum laude.
Resumen de la tesis
La enfermedad de Alzheimer puede ser diagnosticada mediante varios métodos clínicos, pero el electroencefalograma ha demostrado ser una herramienta poderosa, no invasiva, asequible y sin dolor para su diagnóstico. Esta investigación se centra específicamente en los enfoques de Machine Learning y Deep Learning desarrollados para el análisis de electroencefalograma con el fin de clasificar a los pacientes con enfermedad de Alzheimer: Demencia de Alzheimer moderada o avanzada. Nuestro estudio cuenta con una base de datos que comprende 668 voluntarios de 5 hospitales diferentes, recopilados durante una década.
Este conjunto de datos diverso permite un mejor entrenamiento y validación de nuestros resultados y es importante destacar que todos los métodos comparados se evaluaron rigurosamente en condiciones idénticas En el presente trabajo, se pretende analizar las características de las señales registradas mediante electroencefalograma como ayuda objetiva para el diagnóstico de pacientes que sufren la enfermedad de Alzheimer. A partir de los resultados obtenidos se estudiarán los patrones encontrados, llevando a cabo una clasificación mediante métodos de Machine Learning y Deep Learning.
De esta forma, este tipo de clasificaciones permitirá entrenar algoritmos que servirán para la identificación objetiva durante el diagnóstico. Esta tesis es un trabajo de investigación en esta línea de estudio, compuesta por tres artículos que abordan la clasificación automática del Alzheimer a través métodos de Machine Learning y Deep Learning y sistemas difusos a partir de las señales obtenidas de electroencefalograma. Los resultados obtenidos, muestran la utilidad de este tipo de herramientas para el diagnóstico objetivo de pacientes en tiempo real y en consulta.