IDENTIFICACIÓN DE DEMENCIA MEDIANTE RESONANCIA MAGNÉTICA Y CARACTERÍSTICAS EXTRAÍDAS

El estudio compara el rendimiento de varios algoritmos de clasificación en la detección de la demencia en imágenes de resonancia magnética. Se utilizan cuatro técnicas: Máquina de Vectores de Soporte (SVM), K-Vecinos más Cercanos (KNN), Bosque Aleatorio (RF) y una combinación de SVM y KNN. Se extraen características de las imágenes utilizando matrices de co-ocurrencia de niveles de gris (GLCM y GLRM), se entrenan modelos y se evalúa su rendimiento con métricas como precisión, Tasa de Verdaderos Positivos (TPR), Tasa de Verdaderos Negativos (TNR), Tasa de Falsos Positivos (FPR) y Tasa de Falsos Negativos (FNR). Los resultados indican que la combinación de SVM y KNN es la más precisa (93.501%) y efectiva para detectar la demencia, seguida por SVM con 90% de precisión. En general, los algoritmos de aprendizaje automático, como SVM, KNN y RF, son eficaces en la clasificación de imágenes de resonancia magnética en casos normales y de demencia, lo que podría ser útil para el desarrollo de sistemas de detección temprana de demencia basados en imágenes de resonancia magnética.