Preproceso y clasificación de fenotipos de ELA en Imagen Médica

Abstract

[EN] In this Master's thesis, we have developed a set of classifiers in order to diagnose patients with Motor Neuron Disease (MND) in early stages. The classifications has been done on magnetic resonance images of 60 subjects. Firstly, a classifier distinguishes patients with MND from control patients. And at the following classifications we distinguished what kind of phenotype of MND presents, if is Amyotrophic Lateral Sclerosis (ALS), Primary Lateral Sclerosis (PLS), or Progressive Muscular Atrophy (PMA). It has been taken the iron quantification as feature to contrast due to MND patients accumulate more iron in the brain that patients without pathology, and according to the phenotype also it has been observed clinically that accumulate different amounts of iron. To carry out the study it has been used the Statistical Parametric Mapping (SPM) tool for preprocessing stage and has been implemented the k-nearest neighbors algorithm for the classification

[ES] En la presente tesina se ha desarrollado un conjunto de clasificadores con el fin de diagnosticar pacientes con la Enfermedad de Motoneurona (EM) en etapas tempranas. Las clasificaciones han sido realizadas sobre imágenes de resonancia magnética de 60 sujetos. En primer lugar un clasificador distingue a pacientes con la EM de pacientes de control, en las siguientes clasificaciones se distingue que fenotipo de la EM presenta, si es Esclerosis Lateral Amiotrófica (ELA), Esclerosis Lateral Primaria (ELP) o Atrofia Muscular Progresiva (AMP). Se ha tomado la cuantificación de hierro como característica a contrastar ya que los pacientes con EM acumulan mayor cantidad de hierro en el cerebro que pacientes que no presentan la patología, y según el fenotipo también se han observado clínicamente que se acumulan cantidades de hierro diferentes. Para poder llevar a cabo el estudio se ha hecho uso de la herramienta Statistical Parametric Mapping (SPM) para la etapa de preproceso y para la clasificación se ha implementado el algoritmo de k-vecinos más cercanos.