Resumen

La Enfermedad de Parkinson (EP) es un trastorno crónico neurodegenerativo que afecta a más de seis millones de personas, y se considera una de las enfermedades neurológicas más difíciles de diagnosticar, lo que puede resultar en tratamientos erróneos que afectan a la calidad de vida de los pacientes. Este problema ha llamado la atención de la comunidad académica debido a la reciente disponibilidad de bases de datos más amplias, así como los avances en tecnología, procesamiento de señales y aprendizaje automático, que pueden utilizarse para encontrar nuevos biomarcadores y ayudar al diagnóstico de las enfermedades neurodegenerativas con sistemas de detección más precisos y asequibles. En esta tesis presentamos dos metodologías, la primera para el análisis de grabaciones de voz y la segunda para el análisis de Imágenes de Resonancia Magnética Estructural (IRMe) para la detección de la EP. Las grabaciones de voz son capaces de detectar la enfermedad de forma no invasiva y asequible hasta diez años antes de que se realice un diagnóstico clínico. En este trabajo, el uso de varios clasificadores y un grupo reducido de características de las grabaciones de voz, obtuvieron una exactitud del 95.9% en la detección de EP en pacientes de sexo femenino y del 94.36% al detectar la EP en pacientes de sexo masculino. También reportamos el análisis de las características que se seleccionaron en el mejor subconjunto para cada sexo. En esta tesis utilizamos IRMe, que proporcionan una representación precisa de la estructura de los tejidos en el cerebro. Los resultados obtenidos en este trabajo con IRMe de 1.5 y 3 Tesla incluyen una exactitud de 99.01% en el conjunto de datos de pacientes masculinos y de 96.97% en el conjunto de datos de pacientes femeninos. En los resultados se muestran las regiones de interés del cerebro utilizadas para la detección de la EP. Tanto en los experimentos de grabación de voz como en los de imágenes médicas, proporcionamos información para evitar el problema de los resultados binarios de “caja negra” y facilitar la interpretación clínica de los resultados, como las afectaciones específicas de la voz, información estadística y las características de las regiones del cerebro que utilizan los algoritmos de clasificación para cada sexo específico.

Abstract

Parkinson’s Disease (PD) is a chronic neurodegenerative disorder that affects over six million people worldwide. It is considered one of the most challenging neurological diseases to diagnose, resulting in wrong medication and treatments that affect the patient’s quality of life. Because of the recent availability of large databases, the advances in technology, signal processing, and machine learning, researchers have been working to find new biomarkers and assist the diagnosis of neurodegenerative disease with more accurate and affordable detection systems. In this thesis, we present two methodologies for analyzing voice recordings and structural Magnetic Resonance Imaging (sMRI) for the detection of PD. Voice recordings present the opportunity for detecting the disease in a non-invasive and affordable manner up to ten years before a clinical diagnosis is made. In this work, the use of various classifiers and a reduced subset of features from the voice recordings obtained a 95.9% accuracy in the detection of PD in female patients and 94.36% when detecting PD in male patients. We also report and analyze the features that are selected in the best subset for each gender. The medical images used in this thesis provide an accurate representation of the structure of the tissues in the brain, which we can use to detect PD. The results obtained in this work with 1.5 and 3 Tesla sMRI include 99.01% accuracy in the male patient’s dataset and 96.97% accuracy in the female patient’s dataset. The regions of interest in the brain used for the detection of PD are shown in the results. In both voice recording and medical images experiments, we provide information to avoid the “black box” of the binary classification algorithms and facilitate the clinical interpretation of the results, such as specific affectations on the voice, statistical information, and the features from the regions of the brain that are used by the classification algorithms for each specific gender.

Palabras clave: Aprendizaje Automático, Imágenes de Resonancia Magnética Estructural, Análisis de voz, Ingeniería Biomédica, Enfermedad de Parkinson.

Documento completo (archivo pdf, 6 mb)

Índice de contenido

Portada

Agradecimientos

Índices

Capítulo 1. Introducción

Capítulo 2. La enfermedad de Parkinson

Capítulo 3. Metodología y antecedentes teóricos

Capítulo 4. Resultados

Capítulo 5. Conclusión y Trabajo Futuro

Referencias

Apéndice A. Tablas de resultados

Apéndice B. Publicaciones

Documento completo (archivo pdf, 6 mb)

Solana Lavalle, G. 2023. Detección Automática de la enfermedad de Parkinson utilizando Análisis de Voz y análisis basado en vóxeles de Resonancia Magnética Estructural. Tesis Doctorado. Sistemas Inteligentes. Departamento de Ingeniería en Computación, Electrónica y Mecatrónica, Escuela de Ingeniería, Universidad de las Américas Puebla. Mayo. Derechos Reservados © 2023.