Clasificación de la enfermedad de Alzheimer utilizando SVM con kernels basados en polinomios ortogonales en datos de imágenes cerebrales.

Ponente(s): Andres Polo Garza, Favela Cantú, Sofía Carolina; Garza Gaona, Lino Gustavo; López González, Manuel Alejandro; González Romo, Fátima; Polo Garza, Andrés

El objetivo principal de este trabajo es desarrollar un modelo de clasificación para la enfermedad de Alzheimer mediante el uso de Máquinas de Vectores de Soporte, utilizando kernels basados en polinomios ortogonales con el propósito de mejorar la precisión del clasificador. Se busca predecir el estado cognitivo de los pacientes y clasificarlos correctamente a partir de datos derivados de imágenes cerebrales. La metodología consiste en obtener imágenes cerebrales del conjunto de datos OASIS-1. A partir de dichas imágenes, se extrajeron características relevantes mediante el cálculo de los volúmenes de diferentes tejidos cerebrales. Esta información fue combinada con datos clínicos de cada paciente y utilizada como entrada para entrenar varios clasificadores, empleando distintos tipos de kernels, incluyendo polinomial, radial, lineal y Zernike. Los resultados obtenidos muestran que el kernel de Zernike alcanzó la mayor especificidad entre los modelos evaluados. Esta métrica es especialmente relevante en el contexto clínico, ya que permite identificar correctamente a los individuos que no presentan la enfermedad, reduciendo el riesgo de falsos positivos.