UNL Noticias

Se invita a la comunidad UNL a participar del seminario "Explainable Latent Representation Learning for Alzheimer’s Disease: A β-VAE and Saliency Map Framework", a cargo de Santiago V. Blas Laguzza el miércoles 29 de octubre a las 11 horas en el Auditorio del Edificio Bernardo Houssay, ubicado en Güemes 3450, Santa Fe, Argentina.

En este seminario, Santiago presentará un marco de machine learning en dos etapas para la clasificación de la enfermedad de Alzheimer (AD) y el descubrimiento de biomarcadores a partir de datos de fMRI en estado de reposo. La primera etapa utiliza un β-Variational Autoencoder (β-VAE) convolucional para aprender representaciones compactas de la conectividad funcional cerebral. En la segunda etapa, estas representaciones se utilizan para entrenar clasificadores supervisados que discriminan entre sujetos cognitivamente normales (CN) y pacientes con AD, alcanzando un AUC robusto (0.814 ± 0.038). Finalmente, aplica un pipeline de Inteligencia Artificial Explicable (XAI), combinando SHAP e Integrated Gradients, para identificar los biomarcadores de conectividad más relevantes. Los resultados revelan una firma de conectividad estable y coherente, caracterizada por una disrupción en las redes de Modo por Defecto, Límbica y Visual, y una marcada lateralización hacia el hemisferio derecho.

Santiago V. Blas Laguzza es becario doctoral del CONICET en el Instituto de Matemática Aplicada del Litoral (IMAL-CONICET-UNL). Su investigación se centra en la aplicación de deep learning y métodos de IA explicable (XAI) al análisis de neuroimágenes, con un enfoque específico en el descubrimiento de biomarcadores de conectividad funcional en la enfermedad de Alzheimer a partir de datos de fMRI en estado de reposo.

Fuente: https://ifis.conicet.gov.ar/explainable-latent-representation-learning-for-alzheimers-disease-a-%ce%b2-vae-and-saliency-map-framework/