La figura de rey como instrumento de clasificación de deterioro cognitivo con el apoyo de inteligencia artificial
No hay miniatura disponible
Archivos
Fecha
2024-10
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
La Figura Compleja de Rey (FCR) es ampliamente utilizada para la evaluación y diagnóstico del deterioro cognitivo. En los últimos años han surgido sistemas automatizados basados en Redes Neuronales Convolucionales (RNC), que buscan evaluar la FCR como herramienta de apoyo en el diagnóstico de Deterioro Cognitivo Leve (DCL) y demencia, observándose resultados positivos en la precisión. Por ello, el objetivo de este estudio fue validar un modelo de RNC que usa la FCR en la fase de copia, para la clasificación de DCL y demencia. Se obtuvieron un total de 1.593imágenes, de las cuales 547 fueron de pacientes con normalidad, 655 con DCL y 379 con demencia. El modelo fue desarrollado con Deep Learning (DL), con la inclusión de una capa de atención. Los resultados mostraron un 85% de precisión y una pérdida del 15% en la clasificación de pacientes normales, DCL’s y demencias. Se concluye que el modelo tiene un buen porcentaje de clasificación y su optimización puede mejorar considerablemente su rendimiento para poder ser implementado enla Atención Primaria (AP) como apoyo en el diagnóstico de deterioro cognitivo
Descripción
Abstract
The Rey Complex Figure (RCF) is widely used for the assessment and diagnosis of cognitive impairment (CI). In recent years, automated systems based on Convolutional Neural Networks (CNN) have emerged, which seek to evaluate the RCF as a support tool in the diagnosis of Mild Cognitive Impairment (MCI) and dementia, with positive results in accuracy. Therefore, the aim of this study was to validate an RNC model that uses the FCR in the copying phase, for the classification of MCI and dementia. A total of 1,593 images were obtained, of which 547 were from patients with normal, 655 with MCI and 379 with dementia. The model was developed with Deep Learning (DL), with the inclusion of an attention layer. The results showed 85% accuracy and a 15% loss in the classification of normal, MCI and dementia patients. It is concluded that the model has a good classification rate, and its optimization can considerably improve its performance to be implemented in Primary Care (PC) as a support in the diagnosis of cognitive impairment.
Palabras clave
Figura compleja de rey, Inteligencia artificial, Deterioro cognitivo
Keywords
Rey complex figure, Artificial intelligence, Cognitive impairment