Automatic selection of features in MRI for Alzheimer detection

The Alzheimer is such a serious and damaging disease for cognitive functions and mental abilities, as cruel to patients and their families when it comes to live and having to deal with the social and economic implications involved. The increase in the number of patients in advance age as well as its mortality, in recent years has induced a greater awareness in society generating research projects to get an early diagnosis to decrease the effects of the disease, and who knows, if in a future, a cure. This early diagnosis, besides the positive impact for the health of the patients, would make a high cost reduction. This project implements machine learning approaches for an automatic selection of features in MRI brain scans to detect Alzheimer. For the project development, it is primarily done a study of the state of the art in the use of machine learning for mental disorders. It goes deep into the methods of selection of variables and linear classifiers appropriated for an optimal classification between Alzheimer and Control subjects, seeking the greatest possible efficiency. In parallel, we analyze and download, for subsequent preprocessing, the images acquired at the Alzheimer’s Disease Neuroimaging Initiative (ADNI) database available for medical research in Alzheimer. Finally are implemented the variable selection algorithms, which provide the most relevant variables and being visualized to observe them in the context of a brain, being able to observe the areas with greatest impact for the detection of Alzheimer. The results show a high percentage classification, these may be useful methods for optimal and early diagnosis, always having to be supervised by a medical specialist.El Alzheimer es una enfermedad tan grave y dañina para las funciones cognitivas y capacidades mentales, como cruel para los pacientes y sus familiares a la hora de convivir y tener que afrontar las repercusiones sociales y económicas que conlleva. El incremento del número de enfermos en edad avanzada así como su mortalidad, ha tenido como consecuencia en los últimos años una mayor concienciación en la sociedad generando proyectos de investigación para conseguir un diagnóstico precoz que disminuya los efectos de la enfermedad, y quien sabe, si en un futuro, curarla. Este diagnóstico precoz, además del impacto positivo en la salud de los pacientes, lograría una reducción del coste económico de la enfermedad. Este proyecto implementa procesos de lenguaje máquina para automatizar la selección de características en imágenes por resonancia magnética de cerebros para poder detectar el Alzheimer. Para el desarrollo del proyecto se realiza en primer lugar un estudio del estado del arte en el uso de lenguaje máquina para trastornos mentales. Se profundiza en los métodos de selección de variables y clasificadores lineales más apropiados para realizar una óptima clasificación de los sujetos de Alzheimer y de Control, buscando la mayor eficiencia posible. Paralelamente, se analizan y descargan, para luego preprocesarse, las imágenes adquiridas en la base de datos Alzheimer’s Disease Neuroimaging Initiative (ADNI), disponible para investigaciones médicas en Alzheimer. Finalmente se implementan los algoritmos de selección de variables, los cuales proporcionan las variables más relevantes y se visualizan para observarlas en el contexto de un cerebro, pudiendo observar las zonas con mayor impacto para la detección del Alzheimer. Los resultados muestran unos altos porcentajes de clasificación, pudiendo resultar estos métodos muy útiles para lograr un diagnóstico óptimo y precoz, siempre teniendo que ser supervisados por un especialista.Ingeniería en Tecnologías de Telecomunicació