Characterization of relapsing-remitting multiple sclerosis patients using support vector machine classifications of functional and diffusion MRI data
| dc.contributor.advisor | Uribe Arancibia, Sergio A. | |
| dc.contributor.author | Zurita Soler, Mariana | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2018-04-10T18:46:12Z | |
| dc.date.available | 2018-04-10T18:46:12Z | |
| dc.date.issued | 2018 | |
| dc.description | Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2018 | |
| dc.description.abstract | Objetivo: Desarrollar clasificadores para pacientes con esclerosis múltiple recurrente remitente y sujetos sanos que permitan identificar regiones cerebrales y medidas de conectividad relevantes para caracterizar a los pacientes. Materiales y Métodos: En este estudio se incluyeron 107 pacientes con esclerosis múltiple recurrente remitente y un grupo control de 50 sujetos sanos. Se adquirieron imágenes de resonancia magnética de todos los sujetos y se les hizo una evaluación de la escala de discapacidad expandida a los pacientes entre noviembre del 2016 y agosto del 2017. A partir de las imágenes de resonancia magnética se extrajeron mapas de fracción de anisotropía, conectividad estructural usando imágenes de tensor de difusión y conectividad funcional usando las imágenes de resonancia magnética funcional en estado de reposo. Éstos se utilizaron separadamente como entrada para el desarrollo de clasificadores de máquinas de vector de soporte. Adicionalmente, se utilizó un cuarto tipo de entrada que consistió en una combinación de las medidas de conectividad estructural y funcional. Los pacientes se dividieron en grupos de acuerdo a su nivel de discapacidad. Los grupos resultantes, combinados con el grupo de sujetos sanos llevó a la formación de tres pares de grupos utilizados para comparación. Se generaron doce clasificadores independientes a partir de la combinación de los cuatro tipos de entradas y los tres grupos de pares de sujetos, utilizando distintos valores de puntaje de Fisher como umbrales para seleccionar los datos de entrada. Resultados: Los modelos resultantes lograron clasificar entre los grupos de pacientes y sujetos sanos, logrando una exactitud de hasta 89%±2%. Sin embargo, el desempeño de los clasificadores fue peor al comparar entre pacientes con distintos niveles de discapacidad, llegando a penas a valores cercanos a 63%±5% de exactitud. Las áreas de mayor relevancia para la clasificación se encontraron en las cortezas occipital derecha, orbitofrontal izquierda, medial frontal y el giro lingual. Conclusión: Técnicas basadas en imágenes de resonancia magnética se pueden utilizar para distinguir entre pacientes con esclerosis múltiple recurrente remitente y sujetos sanos. Los modelos resultantes se pueden usar para identificar las áreas y conexiones relevantes para clasificar, logrando encontrar áreas que podrían ser de gran importancia para el entendimiento de la enfermedad. | |
| dc.format.extent | ix, 26 hojas | |
| dc.identifier.doi | 10.7764/tesisUC/ING/21613 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/21613 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/21613 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 610 | |
| dc.subject.dewey | Medicina y salud | es_ES |
| dc.subject.other | Imagen por resonancia magnética. | es_ES |
| dc.subject.other | Esclerosis múltiple - Diagnóstico. | es_ES |
| dc.title | Characterization of relapsing-remitting multiple sclerosis patients using support vector machine classifications of functional and diffusion MRI data | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 16572 |