Dissertação

Alzheimer’s Disease modelling through Hidden Markov Models EVALUATED

Nas ultimas décadas tem havido um enorme investimento no desenvolvimento de sistemas de diagnóstico auxiliado por computador que permitam diagnosticar a Doença de Alzheimer o mais precocemente possível com recurso a métodos neuroimagiológicos, tais como Imagem por Ressonância Magnética e Tomografia por Emissão de Positrões (PET). A maioria dos métodos até hoje propostos tem como objectivo o diagnostico num único instante. Apesar de alguns autores terem mostrado que o desempenho destes sistemas pode beneficiar do uso de informação longitudinal, nomeadamente, a inclusão de imagem medica resultante do acompanhamento regular, poucos trabalhos exploram verdadeiramente a evolução clínica dos pacientes ao longo do tempo. Na presente tese, investigam-se modelos para progressão de doença e avalia-se o seu desempenho no diagnóstico da Doença de Alzheimer. Mais concretamente, desenvolveram-se Modelos de Markov Escondidos (HMM) distintos para a modelação temporal de sujeitos com Doença de Alzheimer, Défice Cognitivo Ligeiro e com níveis Cognitivos Normais. Para cada sujeito, foram utilizados exames PET adquiridos no início do estudo e 6, 12 e 24 meses após, durante o seu acompanhamento clínico. Investiga-se o incremento da capacidade de diagnóstico nos modelos baseados em HMM que incluem a dinâmica temporal em comparação com aqueles que utilizam um único exame.
Doença de Alzheimer, Diagnostico Auxiliado por Computador, Tomografia por Emissão de Positrões, Modelos de Markov Escondidos, Modelação de Doença.

Julho 5, 2018, 17:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar