Browsing by Subject "Red Neuronal"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Identificación automática del núcleo subtalámico mediante el entrenamiento de redes neuronales convolucionales a partir de señales MER
    (Pontificia Universidad Javariana Cali, 2024) Lozano Millán, Diego Alejandro; Parada Hernández, Andrés; Vega Preciado, Christian Camilo; Vargas Cardona, Hernán Darío
    Según la Organización Mundial de la Salud, la enfermedad de Parkinson ha impactado de manera significativa a la población mayor en todo el mundo. Para reducir los efectos secundarios de los medicamentos y superar las limitaciones de las terapias convencionales, la estimulación cerebral profunda (DBS, por sus siglas en inglés) se ha consolidado como una alternativa de gran valor. No obstante, su aplicación plantea desafíos importantes. Este procedimiento se centra en la implantación de microelectrodos en el núcleo subtalámico (STN, Subthalamic Nucleus) para, posteriormente, aplicar una estimulación que disminuye los temblores característicos de la enfermedad. Aunque se han logrado avances en la identificación del STN, el proceso sigue siendo complejo y requiere el desarrollo de sistemas automatizados que permitan a los especialistas tomar decisiones informadas con mayor facilidad. Para abordar estos desafíos en la identificación del STN mediante señales MER, se formuló la siguiente pregunta de investigación principal: ¿Cómo identificar el STN mediante el entrenamiento de modelos basados en CNN con las señales MER?. A partir de esta interrogante, se derivan otras preguntas clave que estructuran el proceso de investigación: ¿Cuáles son los procedimientos necesarios para llevar a cabo el preprocesamiento de una base de datos de señales MER previamente etiquetadas, incluyendo registros del STN y otras estructuras relevantes en la EP?; ¿Cuáles son las arquitecturas o modelos basados en CNN más adecuados para implementar en la identificación del STN a partir de señales MER?; y, finalmente, ¿Cómo se puede realizar una evaluación robusta y confiable del rendimiento de los diferentes modelos de CNN en el contexto de clasificación, utilizando métricas apropiadas para medir su eficacia? Estas preguntas orientan el desarrollo de una metodología sólida que contempla desde el procesamiento de datos hasta la elección de modelos y la evaluación rigurosa de su desempeño, con el objetivo de optimizar la identificación del STN en pacientes con Parkinson.