Contribuciones a la detección de TDAH en la infancia mediante soluciones basadas en Deep Learning

Abstract

El Trastorno por Déficit de Atención e Hiperactividad es considerado uno de los trastornos psiquiátricos infantiles más frecuentes, con una prevalencia en torno al 5% y con un número significativamente mayor de varones diagnosticados con respecto al de mujeres, debido a la dificultad de encontrar marcadores claros que ayuden a determinar la presencia de esta patología en las mujeres. Este hecho, unido a la atenuación de los síntomas con la edad, complica el diagnóstico con el crecimiento. En el presente trabajo, se plantea aunar la utilización de registros de actigrafía con técnicas de aprendizaje profundo para la obtención de patrones que nos ayuden a encontrar diferencias en función de la edad y el sexo de los pacientes diagnosticados con TDAH. Para realizar este análisis, se han creado grupos de pacientes divididos por edad y sexo y se han clasificado mediante una red neuronal convolucional adaptada a cada grupo. Una vez realizada está clasificación, se han empleado mapas de oclusión como técnica de visualización para ver las características de las señales útiles para la clasificación e interpretar el resultado obtenido en relación con la patología.

Attention Deficit Hyperactivity Disorder is considered one of the most frequent disorder in childhood, with a prevalence around 5% and mainly diagnosed in males against females,due to the difficulty of finding markers due to the difficulty of finding clear markers that help to determine the presence of this pathology in females. This fact t ogether with the attenuation of symptoms with age, complicates diagnosis with growth. In this work we propose to combine actigraphy records with Deep learning techniques to obtein patterns that help us to find differences according to the age and sex of patients diagnosed with ADHD. To perform this análisis, groups of patients divided by sex and age have been created and classified using a convolutional neural network adapted to each group. Once this classification was performed, occlusion sensitivity is used as a visualization technique to see the characteristics of the signals useful for the classification and to interpret the result obtained in relation to the pathology.