2026-05-27T05:23:23Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/409052026-02-03T10:26:35Zcom_10630_1685col_10630_38055
00925njm 22002777a 4500
dc
Cuevas Rodríguez, Marta
author
2025-06
Este trabajo se centra en el desarrollo de un sistema de clasificación automática
de imágenes de resonancia magnética (MRI) estructural para la detección de
la enfermedad de Alzheimer en diferentes estadios clínicos (CN, MCI y VMCI),
utilizando modelos de aprendizaje profundo. Se ha empleado un subconjunto de
datos derivado del estudio público ADNI, procesado desde la plataforma Kaggle,
y se han evaluado diferentes arquitecturas de redes convolucionales, incluyendo
modelos conocidos como ResNet18, AlexNet y MobileNet, así como una red CNN
propuesta en la literatura. A lo largo del proyecto se han explorado distintas configuraciones
de preprocesado, normalización, selección de cortes cerebrales por
paciente, aumento de datos y uso de optimizadores. Los resultados muestran que
la combinación de una selección cuidadosa de cortes axiales, junto con normalización
estándar y el uso del optimizador Adam, proporciona el mejor rendimiento
en términos de precisión y F1-score. Además, se ha evidenciado la importancia de
una correcta separación de datos por paciente y una evaluación crítica de modelos
disponibles en repositorios públicos, evitando fugas de información. Aunque los
rendimientos alcanzados no son óptimos, el trabajo sienta las bases para futuras
mejoras y análisis más profundos en este ámbito.
https://hdl.handle.net/10630/40905
Informática - Trabajos Fin de Grado
Grado en Ingeniería de la Salud - Trabajos Fin de Grado
Clasificación de imágenes de resonancia magnética de Alzheimer mediante aprendizaje profundo