Aplicación de las Máquinas de Soporte Vectorial (SVM) al diagnóstico clínico de la Enfermedad de Párkinson y el Temblor Esencial

Roberto González, Antonio Barrientos

Resumen

Los enfermos de Párkinson (EP) y de temblor esencial (TE) suponen un porcentaje importante de la casuística clínica en los trastornos del movimiento, que impiden a los sujetos afectados el llevar una vida normal, produciendo discapacidad física y una no menos importante exclusión social en muchos de los casos. Las vías de tratamiento son dispares, de ahí que sea crítico acertar con precisión en el diagnóstico en las etapas iniciales de la enfermedad. Hasta la actualidad, los profesionales y expertos en medicina, utilizan unas escalas cualitativas para diferenciar la patología y su grado de afectación. Dichas escalas también se utilizan para efectuar un seguimiento clínico y registrar la historia del paciente. En este trabajo se propone la utilización de clasificadores binarios centrados en las Máquinas de Soporte Vectorial (SVM) para obtener un diagnóstico diferencial entre las dos patologías de temblor mencionadas.

Palabras clave

Ayuda al diagnóstico; clasificadores binarios; clasificación Párkinson-Esencial; medida objetiva del temblor; análisis de patrones; extracción de características; diagnóstico médico

Texto completo:

PDF

Referencias

Benito-León, J. Essential Tremor: From a Mono-symptomatic Disorder to a More Complex Entity. Neuroepidemiology. Vol. 31, n.o 3, pp. 191-192, 2008.

Bermejo-Pareja, F. Más de cien escalas en neurología., Grupo Aula Médica. 2008.

Caglar, M., Cetisli, B., Toprak, I. Automatic recognition of Parkinson’s disease from sustained phonation tests using ANN and adaptive neurofuzzy classifier. Journal of Engineering Science and Design. Vol 1, nº 2, pag. 59-64. 2010.

Chang, C.C., Lin, C.J. LIBSVM: A Library for Sup-port Vector Machines. ACM Trans. Intell. Syst. Tech-nol., vol. 2, nº 3, pp. 1-27, 2011.

Chaudhuri, K. R., Buxton-Thomas, M.V., Dhawan, Peng, R., Meilak, C., Brooks, D.J. Long duration asymmetrical postural tremor is likely to predict de-velopment of Parkinson’s disease and not essential tremor: clinical follow up study of 13 cases. J. Neu-rol. Neurosurg. Psychiatry, vol. 76, n.o 1, pp. 115-117, ene. 2005.

Deuschl, G., Bain, P., Brin, M. Consensus statement of the Movement Disorder Society on tremor. Mov. Disord. Vol. 13, nº 3, pp. 2–23, 1998.

European Parkinson’s Disease Association. The number of people with Parkinson’s in the most populous nations, 2005 through 2030. [En línea]. Disponible en: http://www.epda.eu.com/en/parkinsons/life-withparkinsons/part-3/.

García-Ramos, R., López Valdés, E., Ballesteros, L., Jesús, S., Mir, P. Informe de la Fundación del Cerebro sobre el impacto social de la enfermedad de Parkinson en España. Neurología. 2013.

González, R., Barrientos, A., del Cerro, J., Coca, B. DIMETER: A Haptic Master Device for Tremor Diagnosis in Neurodegenerative Diseases. Sensors, vol. 14, nº 3, pp. 4536-4559, mar. 2014.

Hughes, A.J., Daniel, S.E., Lees, A.J. Improved accuracy of clinical diagnosis of Lewy body Parkinson’s disease. Neurology. Vol. 57, nº 8, pag. 1497- 1499. Oct. 2001.

Hughes, A.J., Daniel, S.E., Kilford, L., Lees, A.J. Accuracy of clinical diagnosis of idiopatic Parkinson’s disease: a clinic-pathological study of 100 cases. Journal of Neurology, Neurosurgery and Psychiatry. Vol. 55, nº 3, pag. 181-184. Mar. 1992.

Isaias, I.U., Canesi, M.R., Benti, Gerundini, P., Cilia, R., Pezzoli, G., Antonini, A. Striatal dopamine trans-porter abnormalities in patients with essential trem-or. Nucl Med Commun, Vol. 29, n.o 4, pp. 349-353, abr. 2008.

Jain, S., Lo, S.E., Louis, E.D. Common Misdiagnosis of a Common Neurological Disorder. Arch. Neurol, Vol. 63, n.o 8, pp. 1100–1104, 2006.

Jakubowski, J.K., Kwiatos, Chwaleba, A., Osowski, S. Higher order statistics and neural network for tremor recognition. Biomedical Engineering. IEEE Transactions. Vol. 49, pag. 152–159. 2002.

Koller, W.C., Vetere-Overfield, B., Barter, R. Tremors in early Parkinson’s disease. Clin Neuropharma-col. Vol. 12, nº 4, pp. 293-297, ago. 1989.

Labiano-Fontcuberta, A., Benito-León, J. Temblor esencial y enfermedad de Parkinson: ¿existe una asociación? Rev. Neurol. Vol. 55, n.o 8, pp. 479– 489. 2012.

Lingmei, A., Jue, W., Ruoxia, Y. Classification of parkinsonian and essential tremor using empirical mode decomposition and support vector machine. Digital Signal Processing. Pag. 543-550. Jan. 2011.

Louis, E.D., Asabere, N., Agnew, A., Moskowitz, C.B., Lawton, A., Cortes, E., Faust, P.L., Vonsattel, J.P. Rest tremor in advanced essential tremor: a post-mortem study of nine cases. Neurol Neurosurg Psychiatry. Vol. 82, nº 3, pp. 261-265, mar. 2011.

Louis, E. D., Ferreira, J.J. How common is the most common adult movement disorder? Update on the worldwide prevalence of essential tremor. Mov. Disord., vol. 25, n.o 5, pp. 534-541, abr. 2010.

Magesh, K. Classification of Parkinson’s disease using MultiPass LVQ, logistic model tree, K-Star for audio data set. Master Thesis Computer Engineering. 2011.

Mercer, J. Functions of Positive and Negative Type, and their Connection with the Theory of Integral Equations. Phil Trans R Soc Lond. Vol. 209, pp. 415-416, ene. 1909.

Miralles, F. Exploraciones neurofisiológicas en el temblor. Servei de neurología. Hospital Universitario Son Espases. Palma de Mallorca. Capítulo 5, pag. 101. 2011.

Ovidiu, I. Applications of Support Vector Machines in Chemistry. In: Reviews in Computational Chemistry. Volume 23. Eds.: K. B. Lipkowitz and T. R. Cundari. Wiley-VCH, Weinheim, 2007, chapter 6, pág. 334-335.

Patrick, M., Arturas, S., Julius G. “Support vector machine classification of Parkinson’s disease, essential tremor and healthy control subjects based on upper extremity motion”. International Conference on Biomedical Engineering and Biotechnology. IEEE 2012.

Platt, J. Sequential minimal optimization: A fast algorithm for training support vector machines. Microsoft Res., pp. 1-21, abr. 1998.

Soleimanian, F., Mohammadi, P. A case study of Parkinson’s disease diagnosis using artificial neural networks. International of Computer Applications. Vol. 73, nº19. July 2013.

Statnikov, A., Aliferis, C., Hardin, D., Guyon, I. A Gentle Introduction to Support Vector Machines in Biomedicine. Volume 1: Theory and Methods. USA, chapter 3, pp. 59-63, 2011.

United Nations. Department of Economic and Social Affairs, World Population Prospects. The 2012 Revision. 2013.

Vapnik, V.N. An overview of statistical learning theory. Neural Netw. IEEE Trans. Vol. 10, nº 5, pp. 988–999, 1999.

Abstract Views

1262
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Using an ontology of the human cardiovascular system to improve the classification of histological images
Claudia Mazo, Enrique Alegre, Maria Trujillo
Scientific Reports  vol: 10  num.: 1  año: 2020  
doi: 10.1038/s41598-020-69037-4



Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912