Vargas Cardona, Hernán DaríoMeléndez Mejía, Daniela2024-06-152024-06-152023https://vitela.javerianacali.edu.co/handle/11522/2664La detección temprana del Alzheimer es crucial para los pacientes, ya que, al recibir el tratamiento adecuado y pertinente, lo que puede retrasar o incluso prevenir la progresión de la enfermedad. En la mayoría de los casos, los primeros síntomas de EA son fáciles de identificar, como la pérdida de memoria, la dificultad para realizar tareas cotidianas y la desorientación. Sin embargo, estos síntomas a menudo son confundidos con signos normales de envejecimiento, lo que puede retrasar el diagnóstico y el tratamiento. En este trabajo, se empleó deep learning (DL) mediante redes neuronales convolucionales, como VGGNet, ResNet e Inception, en combinación con imágenes de resonancia magnética del Atlas de Neuroimagen del Alzheimer (ADNI) para identificar anomalías típicas en pacientes con EA. Se tuvo en cuenta la revisión de trabajos previos relevantes en el marco teórico, los cuales serán útiles para la detección de la enfermedad mediante el uso de etiquetas binarias. La metodología propuesta permitió una detección más efectiva y precisa de la enfermedad en sus primeras etapas, lo que a su vez será de gran importancia para futuras investigaciones en el campo de la medicina.91 p.application/pdfspaEnfermedad de AlzheimerDetección tempranaPrimeras etapasResonancia magnéticaAtlas de Neuroimagen del Alzheimer (ADNI)Deep Learning (DL)Redes neuronales convolucionales (CNN)http://purl.org/coar/resource_type/c_7a1fhttps://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_14cb