Clasificación supervisada de imágenes de resonancia magnética para la detección de la enfermedad de Alzheimer

Abstract

La enfermedad de Alzheimer (EA) es una patología neurodegenerativa progresiva que afecta a millones de personas en todo el mundo. El diagnóstico temprano de la EA es crucial para el manejo adecuado de la enfermedad y la mejora de la calidad de vida de los pacientes. En este trabajo, se propone un método para la detección de la EA mediante el análisis de imágenes de resonancia magnética (MRI) y técnicas de clasificación supervisada. El método se basa en la extracción de métricas de la matriz de co-ocurrencia de niveles de gris (GLCM) a partir de las imágenes MRI. Estas métricas permiten resumir las texturas y patrones presentes en las imágenes, las cuales están relacionadas con los cambios estructurales en el cerebro asociados a la EA. Posteriormente, se emplean algoritmos de clasificación supervisada como KNN, árboles de decisión, random forest y regresión logística para clasificar las imágenes MRI y diagnosticar a los pacientes con o sin demencia. La base de datos utilizada se extrae principalmente de ADNI (Alzheimer’s Disease Neuroimaging Initiative) y contiene 6400 imágenes MRI en 2D de distintas secciones del cerebro para diferentes etapas de la enfermedad de Alzheimer, lo que proporciona un amplio conjunto de datos para el análisis y la validación de los modelos de clasificación.

Abstract: Alzheimer’s disease (AD) is a progressive neurodegenerative disease that affects millions of people worldwide. Early diagnosis of AD is crucial for proper disease management and improving patients’ quality of life. This study proposes a method for AD detection using magnetic resonance imaging (MRI) analysis and supervised classification techniques. The method is based on the extraction of metrics from the gray level co-occurrence matrix (GLCM) from MRI images. These metrics allow summarizing the textures and patterns present in the images, which are related to the structural changes in the brain associated with AD. Subsequently, algorithms such as KNN, decision trees, and logistic regression are used to classify MRI images and diagnose patients with or without dementia. The database used is mainly extracted of ADNI (Alzheimer’s Disease Neuroimaging Initiative) and contains 6400 2D MRI images of different sections of the brain to different stages of Alzheimer’s disease, providing a broad set of data for analysis and validation of classification models.