Aplicación de redes neuronales artificiales para la identificación del alzhéimer mediante imágenes

• Autor: Casas Lluen, Luis Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/16512
• Enlace del recurso: https://hdl.handle.net/20.500.12802/16512
• Nivel de acceso: acceso abierto
• Materia: Modelos de redes neuronales; Alzheimer; Exactitud; Precisión; Sensibilidad; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente estudio tuvo como objetivo general construir una aplicación basada en redes neuronales artificiales que sea capaz de identificar el Alzheimer a partir de Imágenes por resonancia magnética (MRI). Esta investigación es de tipo aplicada, descriptiva, explicativa y experimental. Para este estudio, se trabajó con Redes Neuronales Convolucionales (CNN), Long Short Memory (LSTM) y redes neuronales Gated Recurrent Unit (GRU). Se utilizó 6150 imágenes para la prueba y 1308 imágenes para el entrenamiento de las redes. Las CNN en exactitud, precisión, sensibilidad, especificidad, F1 Score obtuvo el 98.54%, 98.26%, 98.25%, 99.5% y 98.5%. La LSTM en exactitud, precisión, sensibilidad, especificidad, F1 Score logro 97%, 96%, 97% y 99%,97%. Las Redes Neuronales GRU en exactitud, precisión, sensibilidad, especificidad, F1 Score alcanzo 98%, 98%, 96%, 99% y 97%. La CNN ofrece mejores resultados en desempeño, aunque requiere más recursos computacionales. La LSTM consume menos memoria, aunque no es la mejor opción para identificar el Alzheimer, pues es lenta y menos precisa. GRU tiene el mejor rendimiento en velocidad con resultados competitivos en precisión, siendo una buena opción si se busca rapidez con resultados robustos.