Evaluación automática de la enfermedad del Parkinson usando metodologías de aprendizaje clásico y profundo a partir de tareas de escritura cotidianas

Abstract

RESUMEN : La enfermedad de Parkinson es un desorden neurodegenerativo caracterizado por producir trastornos en el movimiento como temblor, rigidez, entre otros. Estos síntomas afectan diferentes actividades de la vida cotidiana entre ellas la escritura a mano. Generalmente, la escritura de los pacientes con enfermedad de Parkinson presenta diferentes síntomas como la micrografía, la cual está relacionada con la reducción del tamaño de la escritura y la disgrafía, que afecta la coordinación de los movimientos finos que necesitan las personas al escribir. En este trabajo se clasificaron pacientes con la enfermedad de Parkinson y controles saludables a partir de tareas de escritura cotidianas con el objetivo de lograr un enfoque cercano a la evaluación no intrusiva. Para ello se consideró un enfoque clásico donde se implementan diferentes técnicas de procesamiento de imágenes como los histogramas de gradientes orientados y patrones binarios locales. Además, se implementaron arquitecturas de aprendizaje profundo como las redes neuronales convolucionales y las redes neuronales recurrentes. Finalmente, ambos enfoques fueron evaluados y comparados en la tarea de clasificación de pacientes con enfermedad de Parkinson a partir de la escritura de los dígitos del cero al nueve.

ABSTRACT : Parkinson’s disease is a neurodegenerative disorder characterized by movement disorders such as tremors and rigidity, among others. These symptoms impact various activities of daily living, including handwriting. Patients with Parkinson’s disease commonly exhibit different symptoms in handwriting, such as micrographia, which is associated with a reduction in writing size, and dysgraphia, which affects the fine motor coordination required for writing. This study aims to classify patients with Parkinson’s disease and healthy controls based on everyday writing tasks, with the goal of achieving a non-intrusive evaluation approach. A classical approach is adopted, incorporating various image processing techniques such as Histograms of Oriented Gradients and Local Binary Patterns. Additionally, deep learning architectures such as convolutional neural networks and recurrent neural networks were implemented. Finally, both approaches are evaluated and compared in the task of classifying patients with Parkinson’s disease from the writing of the digits from zero to nine.