@conference{CamachoCAEPIA2018,
author = "Julio Camacho-Ca{\~n}am{\'o}n and Marı́a-Victoria Guiote and Antonio-Marı́a Santos-Bueno and Ester Rodrı́guez-C{\'a}ceres and Elvira Carmona-Asenjo and Juan-Antonio Vallejo-Casas and Pedro Antonio Guti{\'e}rrez and C{\'e}sar Herv{\'a}s-Mart{\'i}nez",
abstract = "La enfermedad de Parkinson se caracteriza por un descenso de la densidad de transportadores presin{\'a}pticos de dopamina en los n{\'u}cleos de la base. El m{\'e}todo habitual de clasificaci{\'o}n est{\'a} basado en la observaci{\'o}n y el an{\'a}lisis cualitativo de las im{\'a}genes obtenidas tras la administraci{\'o}n de 123 I-ioflupano al paciente que se va a diagnosticar. De esta forma, las t{\'e}cnicas recientes de neuroimagen, como la imagen dopa- min{\'e}rgica utilizando tomografı́a computarizada por emisi{\'o}n de fot{\'o}n {\'u}nico (SPECT-CT) con 123 I-ioflupano (DaTSCAN), han demostrado detectar la enfermedad, incluso en etapas tempranas. Sin embargo, los comit{\'e}s internacionales recomiendan un an{\'a}lisis cuantitativo, asociado a la construcci{\'o}n de modelos de apoyo que complementen el diagn{\'o}stico visual. El objetivo del presente estudio es establecer un sistema de apoyo a la decisi{\'o}n, mediante la clasificaci{\'o}n ordinal de las im{\'a}genes asociadas a los diferentes grados de afectaci{\'o}n de la enfermedad mediante t{\'e}cnicas de aprendizaje autom{\'a}tico. La base de datos utilizada est{\'a} formada por 316 estudios realizados a pacientes entre septiembre de 2015 y mayo de 2018, distribuidos en tres grupos: 191 no padecen la enfermedad de Parkinson, 55 la padecen con un nivel de afectaci{\'o}n leve y 70 con un nivel de afectaci{\'o}n grave. Tras la administraci{\'o}n intravenosa de 5 mCi (185 MBq), se realiz{\'o} una SPECT-CT, preprocesando y normalizando espacialmente las im{\'a}genes. Como clasificador ordinal utilizamos un m{\'e}todo de regresi{\'o}n logı́stica, que nos permite obtener las caracterı́sticas (v{\'o}xeles de la imagen) m{\'a}s informativas para la tarea de clasifica- ci{\'o}n. El mejor modelo alcanz{\'o} un error absoluto medio m{\'a}ximo (MMAE) de 0,4857, tras la aplicaci{\'o}n de un dise{\~n}o experimental de tipo 5-fold. El an{\'a}lisis de los v{\'o}xeles m{\'a}s informativos, de acuerdo con el modelo obtenido, destaca regiones del cerebro que no son consideradas habitualmente por los especialistas para el diagn{\'o}stico visual.",
booktitle = "Proceedings of the 2018 Conference of the Spanish Association for Artificial Intelligence (CAEPIA2018)",
isbn = "978-84-09-05643-9",
keywords = "Enfermedad de Parkinson, SPECTCT, aprendizaje autom{\'a}tico, clasificaci{\'o}n ordinal",
month = "23rd-26th October",
organization = "Granada (Spain)",
pages = "167-172",
title = "{C}lasificaci{\'o}n ordinal de los grados de afectaci{\'o}n de la enfermedad de {P}arkinson empleando im{\'a}genes de transportadores presin{\'a}pticos de dopamina",
url = "sci2s.ugr.es/caepia18/proceedings/docs/CAEPIA2018_paper_111.pdf",
year = "2018",
}