Nuevos modelos estadísticos para detección de patrones de hipo/perfusión-metabolismo en imágenes de tomografía funcional cerebral

La presente Tesis Doctoral propone nuevos modelos estadisticos para la deteccion de patrones de hipo/perfusion-metabolismo en imagenes de tomografia funcional cerebral de tipo SPECT (Single Photon Emission Computed Tomography) y PET (Positron Emission Tomography), para la ayuda al diagnostico precoz de enfermedades neurologicas como la enfermedad de Alzheimer. Tras la descripcion de los procesos de normalizacion de las imagenes espacialmente y en intensidad, se presentan tres tecnicas diferentes de extraccion de caracteristicas. En primer lugar se describe un metodo de exploracion de imagenes que permite la localizacion automatica de las regiones de interes para la clasificacion. En segundo lugar se aplican tecnicas de analisis de componentes principales y analisis discriminante lineal en combinacion con el FDR (Fisher Discrimiant Ratio) como metodos de compresion de imagen y extraccion de caracteristicas, resolviendo el problema del pequeno tamano muestral. Por ultimo se llevan a cabo transformaciones basadas en la aplicacion de kernels que permiten la extraccion de dependencias no lineales presentes en las imagenes. Estas tecnicas se combinan con metodos de clasificacion supervisada basados en reglas bayesianas, maquinas de vectores de soporte y redes neuronales, alcanzando valores de precision de hasta 95.6% y 100% para imagenes SPECT y PET y de 91.43% para la reconocida base de datos ADNI, respectivamente. Estos resultados mejoran las tasas de acierto obtenidas mediante los metodos existentes hasta el momento para la deteccion precoz de la enfermedad de Alzheimer.