Detección automatizada de la enfermedad de Parkinson utilizando un modelo mejorado de red de enlace-red fantasma...

Área de la Ciencia:

• Neurología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La enfermedad de Parkinson (EP) es un trastorno neurodegenerativo que afecta el control motor, lo que lleva a síntomas como la micrografía (escritura apretada).
• El análisis de la letra presenta un método no invasivo para la detección temprana de la enfermedad de Parkinson.
• Los métodos existentes para la detección de la EP a través de la escritura a mano carecen de suficiente precisión y eficiencia.

Objetivo del estudio:

• Desarrollar un sistema automatizado y de alta precisión para la detección de la enfermedad de Parkinson utilizando imágenes escritas a mano.
• Mejorar el diagnóstico precoz y el seguimiento de la enfermedad de Parkinson mediante modelos computacionales avanzados.
• Explorar el potencial del método propuesto en entornos de atención médica remotos.

Principales métodos:

• Utilizó un filtro Wiener modificado para el procesamiento previo de imágenes.
• Características extraídas utilizando las características modificadas PHOG, Deep y Shape.
• Se empleó un modelo de clasificación híbrido mejorado de LinkNet y Ghostnet (ILN-GNet) para la detección de la EP.

Principales resultados:

• El modelo ILN-GNet logró una precisión de 0,99.
• El modelo híbrido propuesto superó significativamente a los métodos existentes en precisión.
• El sistema distingue efectivamente entre las personas sanas y las que tienen la enfermedad de Parkinson.

Conclusiones:

• El sistema automatizado de análisis de escritura desarrollado ofrece una herramienta precisa para el diagnóstico precoz de la enfermedad de Parkinson.
• Este enfoque mejora el potencial para la intervención oportuna y el manejo de la enfermedad.
• El método proporciona una solución escalable y eficiente para la detección y el monitoreo remotos de la EP.