(Robust automated computational approach for classifying frontotemporal neurodegeneration: Multimodal/multicenter neuroimaging)

INCYT

Autores: Donnelly-Kehoe P, Orlando Pascariello G, García AM, Hodges J, Miller B, Rosen H, Manes F, LandinRomero R, Matallana D, Serrano C, Herrera E, Reyes P, Santamaria-Garcia H, Kumfor F, Piguet O, Ibanez A, Sedeño L

Resumen: En este reporte multicéntrico de tres centros diferentes implementamos un enfoque computacional para identificar pacientes con demencia frontotemporal. Usando machine learning, combinamos datos cerebrales estructurales y de conectividad cerebral, obteniendo una alta precisión de clasificación (91%) en todos los centros. Este procedimiento permite comparar datos de pacientes de diferentes centros y realizar análisis de forma totalmente automática.

Disponible en: Science Direct

 

(Assessment and validation of a Spanish version of the Muscle Dysmorphia Disorder Inventory in Argentinian men who exercise: Inventario de Dismorfia Muscular)

INCYT

Autores: Emilio J. Compte, Jason M. Nagata, Ana R. Sepúlveda, Andrés Rivas, Lara S. Sbdar, Sol Menga, Robin Rica, Fernando Torrente, Stuart B. Murray.

Resumen: El objetivo de este estudio fue evaluar por primera vez en latinoamérica la estructura factorial del Inventario de Dismorfia Muscular (MDDI por sus siglas en inglés). Se observó que el instrumento en español presenta un modelo de tres factores similar a la versión original. A su vez, se encontró que éste correlaciona con medidas de insatisfacción corporal, trastornos de la conducta alimentaria, índice de masa corporal y otras variables que confirman su validez de constructo. Los datos obtenidos sugieren que esta versión del cuestionario es apta para ser usada en población masculina latinoamericana.

Disponible en: Science Direct

(Predictors of Picture Naming and Picture Categorization in Spanish)

INCYT

Autores: Macarena Martínez Cuitiño, Federico Gonzalo Soriano, Virginia Jaichenco, Brenda Steeb, Juan Pablo Barreyro.

Resumen: El objetivo de este trabajo fue identificar qué variables psicolingüísticas predicen mejor el rendimiento de personas sanas en una tarea de denominación y categorización de imágenes. Se encontró que la precisión y la latencia en la denominación se correlacionan con la frecuencia lexical y la familiaridad de los conceptos. A su vez, se encontró que en la categorización de imágenes las variables que mejor predicen los tiempos de reacción son la frecuencia lexical, la familiaridad de los conceptos y la complejidad visual.

Disponible en: Zenodo

 

 

 

Page 1 of 351234567891011121314151617181920212223242526272829303132333435