APOYO AL DIAGNÓSTICO DE TDAH CON TÉCNICAS DE DEEP LEARNING EN IMÁGENES DE RESONANCIA MAGNÉTICA FUNCIONALES (IRMF)

Abstract

La presente investigación propone desarrollar modelos de aprendizaje profundo para asistir en la identificación del Trastorno por Déficit de Atención e Hiperactividad (TDAH), analizando imágenes de resonancia magnética funcional (IRMF). Este estudio busca reducir la carga subjetiva y agilizar los diagnósticos tradicionales, ofreciendo a los expertos de salud mental herramientas predictivas de apoyo. Para el estudio se empleó la base de datos ADHD-200, que contiene IRMFs tanto de personas diagnosticadas como de un grupo de control sano. Estas imágenes se prepararon, modificaron y ampliaron (rotándolas, moviéndolas y escalándolas) para optimizar el modelo y su habilidad para generalizar. En este proyecto, se siguieron los procesos KDD (Descubrimiento de Conocimiento en Bases de Datos) y experimental, utilizando redes neuronales convolucionales CNN 3D y redes recurrentes LSTM 3D para capacitar, validar y contrastar los resultados.