Publication: Métodos de aprendizaje máquina dispersos para la selección de áreas funcionales en fMRI
Loading...
Identifiers
Publication date
2010-12-21
Defense date
2010-12-21
Authors
Advisors
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Export
Abstract
En este Proyecto Fin de Carrera se diseña un sistema que, a partir de mapas de activación cerebral procedentes de estudios de imágenes de resonancia magnética funcional ("functional Magnetic Resonance Image", fMRI), sea capaz de localizar las áreas funcionales asociadas a la tarea o tareas involucradas en dichos estudios, mediante el empleo de diferentes métodos de aprendizaje máquina. Para ello se propone un esquema modular que permite la clasificación de los mapas de actividad fMRI en dos clases según esté presente o no la actividad deseada. La arquitectura de este sistema puede dividirse en dos bloques. El primero emplea un conjunto de máquinas de vectores soporte ("Support Vector Machine", SVM) no lineales, cada una de ellas especializada en un área funcional cerebrai, cuya división se hace previo conocimiento de la parcelación neuroanatómica del cerebro. El segundo de los bloques realiza la fusión de las salidas de las máquinas anteriores empleando un conjunto de métodos dispersos que permiten una selección automática de las áreas relevantes para la resolución de la tarea. En el diseño e implementación de este sistema se encuentra la definición de un sistema modular que permite analizar relaciones no lineales entre vóxeles pertenecientes a la misma área funcional y la propuesta de un conjunto de algoritmos de aprendizaje máquina que aportan soluciones dispersas y permiten una selección automática de las áreas funcionales involucradas en la tarea fMRI. La viabilidad de este sistema se comprueba sobre dos experimentos reales. El primero consiste en un problema multiestímulo en el que se presentan tareas de actividad visual, motora, cognitiva y auditiva. El sistema implementado consigue localizar las áreas de activación destinadas a dichas tareas, siendo éstas coincidentes con las áreas en la bibliografía utilizada. La segunda aplicación se trata de un problema de detección de esquizofrenia, obteniéndose una idea de las áreas cerebrales que manifiestan variabilidad entre sujetos sanos y enfermos de este trastorno del que no existe diagnóstico fiable a día de hoy.
Description
Keywords
Proceso de imágenes, Métodos de aprendizaje máquina, Inteligencia artificial