Resumen:
La Enfermedad de Parkinson (EP) es un trastorno que conduce a un deterioro progresivo de la salud siendo la segunda enfermedad neurodegenerativa con más frecuencia a nivel mundial. Los trastornos del control de impulsos (ICD) son trastornos psiquiátricos que involucran problemas en el autocontrol de emociones y los
comportamientos. Diversos estudios han identificado en ciertos tipos de pacientes la presencia de uno o varios trastornos ICD a medida que la enfermedad de Parkinson avanza. El método desarrollado en este trabajo busca la identificación de patrones anatómicos en imágenes de resonancia magnética que permita el diagnóstico de desórdenes Parkinsonianos utilizando modelos de aprendizaje profundo. Primero, se creó un
módulo de preprocesamiento para estandarizar las MRI. Se realizaron distintos experimentos con la arquitectura VGG19 probando los diferentes ejes en las imágenes e imágenes 3D; y la arquitectura tipo ensemble. También, se usó Grad-CAM para la identificación de las regiones que presentan patrones anatómicos que diferencian los dos grupos de pacientes de Parkinson.
Finalmente, el resultado de la predicción comprobó la existencia de patrones en la fisiología del cerebro que permiten la detección de trastornos parkinsonianos. Se logró una exactitud del 97,4% empleando un modelo CNN con arquitectura tipo Ensemble. Además, empleando Grad-CAM como técnica de visualización, se observó las áreas del cerebro empleadas para la predicción. Por lo que el modelo propuesto resulta
eficiente y preciso al momento de identificar la presencia de trastornos, sin necesidad de métodos tradicionales y el visualizador permite a médicos identificar posibles áreas afectadas por el trastorno.
