| Revista: | Multiciencias |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000367097 |
| ISSN: | 1317-2255 |
| Autores: | Aguilera, Ana1 Subero, Alberto1 |
| Instituciones: | 1Universidad de Carabobo, Facultad Experimental de Ciencia y Tecnología, Valencia, Carabobo. Venezuela |
| Año: | 2011 |
| Volumen: | 11 |
| Número: | 3 |
| Paginación: | 310-318 |
| País: | Venezuela |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | La Hemiplejía Espástica (HE) es un tipo de parálisis cerebral, en donde los miembros superior e inferior del mismo lado están comprometidos. El Dr. Gage ha sugerido que esta patología pudiera clasificarse en al menos cuatro grupos considerando el patrón cinemático en 3 planos (sagital, transversal y coronal).Tradicionalmente, esta clasificación de pacientes patológicos es realizada por médicos especialistas basándose en el estudio físico del paciente y en el análisis clínico de la marcha, esto último, mediante exámenes complementarios reportados sobre registros cinéticos, cinemáticas y electromiografía. La aplicación de técnicas automáticas de clasificación mediante métodos computarizados constituye un soporte en esta tarea, no como reemplazo al especialista sino como una herramienta de apoyo al diagnóstico. En este trabajo, se analizan diferentes algoritmos de clasificación automática mediante aprendizaje supervisado de los registros de marcha en una población de 255 pacientes recopilados durante seis años. Los árboles de regresión logística combinados con meta-clasificadores han demostrado una buena efectividad en la clasificación. Esta efectividad se evalúa de manera cuantitativa con medidas de especificidad, cantidad de aciertos, falsos positivos y negativos, entre otras medidas. Una validación con médicos especialistas permite comparar los resultados obtenidos por los modelos automáticos y los diagnósticos reales de experto |
| Resumen en inglés | Spastic Hemiplegia (SH) is a type of cerebral palsy affecting the upper and lower limbs on the same side of the body. Dr. Gage has suggested that this pathology could be classified into at least four groups considering the kinematic pattern on three planes (sagittal, transverse and coronal). Traditionally, this classification of pathological patients is done by specialized physicians based on physical study and the clinical gait analysis of patients, which uses complementary tests reported on kinetic, kinematic and electromyographical records. The application of automatic classification techniques using computerized methods is a support for this task, a diagnostic support tool, not a replacement for the specialist. This paper analyzes different automatic classification algorithms using supervised learning on gait records from a population of 255 patients collected over six years. Logistical regression trees combined with meta-classifiers have demonstrated good efficacy in the classification task. This effectiveness is evaluated quantitatively by measuring specificity, number of correct classifications, false positives and negatives, among other measurements. Validation with specialized physicians makes it possible to compare results obtained by the automatic models with real expert diagnoses |
| Disciplinas: | Medicina, Ciencias de la computación |
| Palabras clave: | Diagnóstico, Neurología, Procesamiento de datos, Hemiplejia espástica, Minería de datos, Modelos de clasificación |
| Keyword: | Medicine, Computer science, Diagnosis, Neurology, Data processing, Spastic hemiplegia, Data mining, Classification models |
| Texto completo: | Texto completo (Ver PDF) |
