Dissertação

Sparse methods for Alzheimer’s Disease classification EVALUATED

O diagnóstico da doença de Alzheimer (AD) pela via de imagens obtidas com recurso a biomarcadores é um problema computacional complexo. A grande dimensão do problema é uma consequência da falta de pacientes catalogados em bases de dados, comparativamente com o número de variáveis nas imagens. Atualmente, a maioria das decisões continuam a ser tomadas pelos médicos sem suporte de ferramentas de diagnóstico automático. Este estudo tem como objetivo principal o desenvolvimento de um método de diagnóstico útil e expedito para apoio às decisões dos especialistas. Esta ferramenta de deteção automática de pacientes com Alzheimer usa uma série de métodos esparsos capazes de lidar com problemas de dimensão elevada, induzindo simplificação nos modelos criados. Os dois métodos esparsos usados baseiam-se no parâmetro de regularização norma-L1. O método Lasso, onde os voxels das imagens PET são usados como variáveis e o Grupo Lasso, onde é explorada informação espacial entre os voxels baseados nas regiões cerebrais. Os grupos de voxels usados neste estudo basearam-se na divisão cerebral de Atlas Oxford-Harvard e em regiões alternativas criadas com base em mistura de Gaussianas usando pacientes cognitivamente normais. Os resultados experimentais alcançados na base de dados ADNI, com o método Lasso, foram comparáveis com os últimos estudos publicados. Além disso os resultados melhoraram com a introdução dos grupos pelo Grupo Lasso quando foram usados o Atlas e as regiões agrupadas. Contudo, as regiões selecionadas manualmente pelos peritos continuam a obter resultados mais precisos, reafirmando a necessidade de melhorar a forma como as regiões são selecionadas.
Doença de Alzheimer, Algoritmos de aprendizagem esparsos, Tomografia por emissão de positrões (PET), Classificação, Regiões de interesse (ROI)

Junho 20, 2018, 16:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar