Dissertação

Curriculum Learning for early Alzheimer's Disease diagnosis EVALUATED

Os estágios iniciais e assintomáticos da doença de Alzheimer, como o défice cognitivo ligeiro, são difíceis de classificar, mesmo por médicos experientes. Por esse motivo, métodos de aprendizagem profunda, como redes neurais de convolução, têm sido implementados com o mesmo propósito, alcançando desempenhos de classificação semelhantes ou até melhores do que os dos próprios médicos. Embora esses métodos tenham a vantagem de que as características das imagens são extraídas automaticamente em vez de manualmente, a sua arquitetura tradicional não permite a incorporação de conhecimento médico. Nesta tese, propomos implementar estratégias de aprendizagem por currículo em redes neuronais de convolução desenhadas para distinguir entre sujeitos saudáveis, com défice cognitivo ligeiro e com doença de Alzheimer. Aprendizagem por currículo é uma estratégia de treino das redes que tenta imitar a maneira como os humanos, neste caso os médicos, aprendem, apresentando primeiro os dados mais fáceis ao modelo e adicionando gradualmente dados mais complexos. Diversas estratégias de aprendizagem por currículo, manuais e automáticas, foram implementadas, incorporando conhecimento médico, para melhorar o desempenho das redes no diagnóstico precoce de Alzheimer. Estas estratégias foram comparadas com modelos usados tradicionalmente e os resultados mostraram claramente que a utilização de aprendizagem por currículo melhora o F1-score (até 3.3%) e a exatidão geral (até 4.5%), particularmente a da DCL (até 11.3%).
Doença de Alzheimer, Défice cognitivo ligeiro, Redes neurais de convolução, Aprendizagem por currículo, Conhecimento médico

novembro 25, 2021, 10:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar