FenixEdu™

Dissertação

Detecting Conversion of Mild Cognitive Impairment to Alzheimer - A Comparison Between Classifiers EVALUATED

Detalhes: Numa era em que se espera que o número de pessoas classificadas como dementes duplique,e, sendo a Doença de Alzheimer (AD) a manifestação de demência mais comum a afetar a população com mais de 65 anos, um diagnóstico precoce torna-se essencial. Os esforços efectuados para caracterizar a doença, na sua fase mais inicial, conduziram ao aparecimento do conceito de Défice Cógnitivo Ligeiro (MCI) que é por definição um estado intermédio entre o estado cognitivo normal (CN) e a manifestação de sintomas de AD. Este diagnóstico pode ser realizado por um especialista, recorrendo para tal a testes neuropsicológicos ou a imagens médicas como é o caso das obtidas por emissão de positrões (PET) ou através de ressonância magnética (MRI). Nos últimos anos, o desenvolvimento tecnológico possibilitou o aparecimento de vários meios de diagnóstico computacionalmente assistidos (CAD) que melhoraram em muito o desempenho de diagnóstico, visto que não requerem qualquer tipo de avaliação subjetiva. Nesta dissertação estudaram-se três tipos de classificadores distintos, a saber: SVMs, AdaBoost e AdaSVM, com o objectivo de avaliar qual o melhor classificador para a detecção da conversão de MCI para AD através de imagens FDG-PET. Diferentes tipos de seleção e extração de características foram igualmente estudados. O que registou um melhor desempenho foi o AdaBoost tendo atingido um nível de precisão de 79%, uma sensibilidade de 76,9%, uma especificidade de 80,2% e uma precisão balanceada de 78,6%. A capacidade em detetar com maior certeza um novo caso positivo, também foi avaliada, tendo-se verificado um desempenho de 83,4%.
Keywords: Doença de Alzheimer, Défice Cógnitivo Ligeiro, Tomografia por Emissão de Positrões, Diagnóstico Assistido por Computador, Seleção de Características, Extração de Características

Discussão: novembro 18, 2014, 9:0