Reconocimientos y clasificación de patrones de marcha neurodegenerativa mediante variables temporoespaciales y machine learning : Esclerosis Múltiple, Parkinson, Huntington

Irazzoky Rojas, Igor

Reconocimientos y clasificación de patrones de marcha neurodegenerativa mediante variables temporoespaciales y machine learning : Esclerosis Múltiple, Parkinson, Huntington

dc.contributor.advisor	Robles Cruz, Diego
dc.contributor.author	Irazzoky Rojas, Igor
dc.contributor.editor	Facultad de Ciencias de la Rehabilitación
dc.contributor.editor	Escuela de Kinesiología
dc.date.accessioned	2021-03-04T14:35:03Z
dc.date.available	2021-03-04T14:35:03Z
dc.date.issued	2017
dc.description	Tesis (Kinesiólogo)	es
dc.description.abstract	La literatura ha descrito que la marcha humana puede ser clasificada con diversas técnicas y modelos, desde un simple péndulo hasta clasificadores complejos de aprendizaje automatizado, estos últimos son conocidos como clasificadores o clustering . Las técnicas de clasificación son métodos de análisis de multivarianza mostrando su mayor potencial en el reconocimiento de patrones. Las redes neuronales es un tipo de clasificador supervisado, caracterizadas por hacer su análisis y solución de problemas a través de los ajustes de los pesos conocidos, entregando como salida una matriz de confusión y una Receiver Operating Characteristic o curva ROC, que demuestran la calidad de la clasificación. Se ha relatado ampliamente la marcha patológica en enfermedades neurodegenerativas a través de distintos algoritmos computacionales , inclusivamente en la misma población, estableciendo un interés mundial, dando una relevancia al método de clasificación y descripción de la marcha humana. Sin embargo en la actualidad se desconocen los diversos motivos de análisis, poca comparación entre bases de datos en los distintos modelos y clasificaciones, adicionalmente de la pobre descripción de la marcha en base de datos, y la refuta de los procesos metodológicos. Es por esto, que es de suma importancia describir la marcha neurodegenerativa y la clasificación de patrones a través de métodos rigurosos en distintos tipos de bases de datos alternando los sujetos de estudio y sus variables, con el propósito de valorar el real aporte de estos parámetros temporo espaciales como atributos o características que permitan la correcta clasificación. ¿Es posible describir y clasificar la marcha neurodegenerativa en las patologías de ELA, EP, EH. mediante machine learning y las variables temporoespaciales?	es
dc.identifier.uri	http://repositorio.unab.cl/xmlui/handle/ria/18048
dc.language.iso	es	es
dc.publisher	Universidad Andrés Bello	es
dc.subject	Enfermedades Neurodegenerativas	es
dc.subject	Investigaciones	es
dc.title	Reconocimientos y clasificación de patrones de marcha neurodegenerativa mediante variables temporoespaciales y machine learning : Esclerosis Múltiple, Parkinson, Huntington	es
dc.type	Tesis	es

Archivos

Bloque original

Mostrando 1 - 1 de 1

Nombre:: a122385_Irazzoky_I_Reconocimiento_y_clasificación_de_patrones_2017_Tesis.pdf
Tamaño:: 642.89 KB
Formato:: Adobe Portable Document Format
Descripción:: TEXTO COMPLETO EN ESPAÑOL

Descargar

Bloque de licencias

Mostrando 1 - 1 de 1

Nombre:: license.txt
Tamaño:: 1.71 KB
Formato:: Item-specific license agreed upon to submission
Descripción:

Descargar

Colecciones

FCR - Trabajos de Titulación Pre-Grado