“…Por ejemplo, el diseño utilizado para la alimentación de árboles de decisión en [46] se formó de un conjunto de 14 atributos obtenidos de las características sugeridas por especialistas, formando un conjunto de referencia que ayudan en la descripción de ECV isquémica; algo parecido se plantea en [27], donde usando el algoritmo K-NN y clasificadores bayesianos, para extraer características de una imagen médica se toman decisiones con respecto a la patología de una estructura o tejido ateromatosa. Para el diagnóstico de la enfermedad de Alzheimer [47], se hace un etiquetado de voxels a partir la segmentación hipo campal dimensional o mediante una red neuronal pulsante (SNN, por sus siglas en inglés) [69]. Para representar la actividad normal y anormal del cerebro, se usan diversas técnicas como: características binarias, análisis de componentes principales, análisis discriminante lineal, código de cadena, transformación de características invariante a escala, filtrado Gabor, distancia euclidiana, red neuronal artificial, máquinas de soporte vectorial [13], matriz de co-ocurrencia de niveles de grises [39,40], descriptores de textura Haralick [44], umbralización (cambio en los niveles de intensidad); Stier et al [43] utiliza una red neuronal convolucional (CNN) para generar un modelo predictivo.…”