Detección de indicadores cognitivos de demencia temprana mediante la aplicación de algoritmos de inteligencia artificial y procesamiento de lenguaje natural.

Yamanki Santander Cruz

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Saul Tovar Arriaga	es_ES
dc.creator	Yamanki Santander Cruz	es_ES
dc.date	2022-08-15
dc.date.accessioned	2022-08-16T18:32:59Z
dc.date.available	2022-08-16T18:32:59Z
dc.date.issued	2022-08-15
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/3805
dc.description	La demencia es una enfermedad neurodegenerativa que conduce al desarrollo de déficits cognitivos como la afasia, la apraxia y la agnosia. Actualmente se considera uno de los principales problemas médicos a nivel mundial, afectando a las personas mayores. Esta enfermedad presenta los síntomas de forma gradual, con complicaciones que varían a lo largo de sus etapas. A medida que la cognición de los pacientes se deteriora, son incapaces de realizar las tareas cotidianas sin ayuda, lo que supone gastos médicos adicionales. Al tratarse de una enfermedad incurable, se necesitan herramientas y métodos para atender a los pacientes en sus primeras fases. Los métodos más avanzados han demostrado que el uso de características lingüísticas de tipo sintáctico proporciona una herramienta sensible y no invasiva para detectar la demencia en su fase inicial. Sin embargo, estos métodos carecen de información semántica relevante. Por lo anterior, en este trabajo proponemos una metodología novedosa basada en el enfoque de características semánticas mediante el uso de incrustaciones de oraciones computadas por redes BERT siamesas (SBERT) junto con máquina de soporte vectorial (SVM), vecinos más cercanos (KNN), bosques aleatorios y redes neuronales artificiales (RNA) como clasificadores. Nuestra metodología incluye 17 características demográficas, léxicas, sintácticas y semánticas extraídas de la base de datos Corpus Pit proporcionada por Dementiabank. La puntuación de información mutua demuestra una dependencia entre nuestras características y la puntuación MMSE, demostrando que son relevantes para la tarea de clasificación de la demencia. Los resultados de las pruebas experimentales basados en la exactitud, la precisión, la sensibilidad y la puntuación F1 (77%, 80%, 80%, 80%) han validado que nuestra metodología se comporta mejor que los métodos basados en la sintaxis y el enfoque BERT cuando sólo se utilizan características lingüísticas.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.relation.requires	No	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Demencia	es_ES
dc.subject	SBERT	es_ES
dc.subject	Similitud de coseno	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Detección de indicadores cognitivos de demencia temprana mediante la aplicación de algoritmos de inteligencia artificial y procesamiento de lenguaje natural.	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	SACY950517MHGNRM08	es_ES
dc.contributor.identificador	TOAS790720HQTVRL08	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias en Inteligencia Artificial	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES