FenixEdu™

Dissertação

Reconhecimento de Padrões da Doença de Alzheimer em Imagem PET EVALUATED

Detalhes: A doença de Alzheimer provoca alterações degenerativas no tecido nervoso, que resultam na progressiva perda de memória e das funções cognitivas. A doença de Alzheimer é o tipo de demência mais frequente. Actualmente, não há cura para a doença de Alzheimer, mas com diagnóstico e tratamento precoces é possível atrasar a sua progressão. O exame PET indica as alterações funcionais no cérebro humano e, actualmente é uma ferramenta útil na análise do fluxo sanguíneo cerebral. A doença de Alzheimer provoca a redução do fluxo sanguíneo nas regiões propícias à sua propagação, principalmente no lobo temporal, lobo parietal e o hipocampo. Contudo a difícil análise visual das imagens PET no diagnóstico da doença de Alzheimer motivou a utilização dos métodos de reconhecimento de padrões sobre as imagens PET como ferramentas de diagnóstico automático da doença de Alzheimer. Nesta dissertação foram utilizados os métodos dos k-vizinhos mais próximos e de Boosting na discriminação entre classes AD e Normal, MCI e Normal, e finalmente entre as classes AD e MCI, com o intuído de torná-los numa ferramenta útil e eficaz no diagnóstico automático da doença de Alzheimer. A implementação da classe MCI, raramente estudada, permite diagnosticar a doença de Alzheimer num estado precoce através da distinção binária entre as classes MCI e Normal. O método de Boosting, através da variante Adaboost, atingiu melhores desempenhos do que o método dos k-vizinhos mais próximos em todas as discriminações entre as classes. Assim, o método de Boosting adaptou-se melhor ao problema da ?maldição da dimensionalidade?.
Keywords: Doença de Alzheimer, PET, diagnóstico automático, k-vizinhos mais próximos, Boosting, Adaboost.

Discussão: dezembro 2, 2009, 10:0