CloseAI Team
Los Fundadores
Somos 5 estudiantes de Ingeniería Biomédica de la UFV. Durante 3 meses hemos desarrollado M.R.AI y estamos listos para llevarlo al siguiente nivel con tu inversión.
Hemos desarrollado una solución de IA que detecta Alzheimer en MRIs con ~80% de precisión. Tras 3 meses de investigación, buscamos financiación para llevar esta tecnología al siguiente nivel.
La enfermedad de Alzheimer es la forma más común de demencia, representando entre el 60-70% de los casos a nivel mundial. Es una enfermedad neurodegenerativa progresiva que afecta la memoria, el pensamiento y el comportamiento.
La detección temprana es crucial: permite intervenciones más efectivas, mejor planificación del cuidado y mayor calidad de vida para pacientes y familias. Sin embargo, el diagnóstico tradicional es costoso, lento y requiere especialistas escasos.
Cambios cerebrales comienzan años antes de los síntomas. La IA puede detectar patrones sutiles en MRI.
Problemas de memoria notables pero la persona puede funcionar independientemente. Momento crítico para intervención.
Dificultades en tareas cotidianas. El diagnóstico temprano aquí permite mejor planificación del cuidado.
Pérdida significativa de funciones. La detección tardía limita las opciones de tratamiento.
Desarrollamos y comparamos múltiples arquitecturas de redes neuronales para clasificar imágenes de resonancia magnética cerebral, identificando patrones asociados al Alzheimer con alta precisión.
Imágenes de resonancia magnética de 201 pacientes
Normalización y separación por pacientes
Transfer Learning con ResNet18 preentrenada
Clasificación binaria: Demented / Non-Demented
Accuracy, F1-Score, AUC, Matriz de Confusión
Tras comparar 4 arquitecturas diferentes, ResNet18 sin truncar demostró el mejor rendimiento, aprovechando todas las 60 imágenes por paciente.
Transfer Learning con todas las imágenes por paciente
| Modelo | Accuracy | F1-Score | AUC | IoU | Estado |
|---|---|---|---|---|---|
|
1
ResNet Sin Truncar
|
79.20% | 0.80 | 0.85+ | ~0.70 | ✅ GANADOR |
|
2
ResNet Truncado
|
77.00% | 0.7486 | 0.8590 | 0.6034 | Buen rendimiento |
|
3
VGG16 Truncado
|
71.85% | 0.7720 | 0.8120 | 0.6287 | Aceptable |
|
4
VGG16 Sin Truncar
|
62.71% | 0.7170 | 0.6509 | 0.5589 | Overfitting |
El Alzheimer es una enfermedad tridimensional. Los modelos 2D, al analizar cada slice por separado, pierden información crucial sobre la estructura volumétrica del cerebro.
Proponemos implementar V-Net 3D, una arquitectura diseñada específicamente para imágenes médicas volumétricas. Este modelo procesará el cerebro completo como una unidad tridimensional.
Si empezáramos de nuevo:
Somos 5 estudiantes de Ingeniería Biomédica de la UFV. Durante 3 meses hemos desarrollado M.R.AI y estamos listos para llevarlo al siguiente nivel con tu inversión.
