Dissertação

Diagnosis of Alzheimer's Disease and Mild Cognitive Impairment Exploiting Class Ordering EVALUATED

A Neuroimagem desempenha um papel cada vez mais importante como complemento da avaliação clínica na detecção precoce da doença de Alzheimer. Os médicos utilizam, no processo de diagnóstico, modalidades cerebrais funcionais de imagem como Tomografia Computadorizada por Emissão de Fóton Único, Tomografia por Emissão de Positrões, Tomografia por Emissão de Pósitrons Metabólica ou Ressonância Magnética Estrutural, sendo as duas últimas as modalidades mais utilizadas. Com essas técnicas podemos detectar não apenas os pacientes que já têm a doença, mas aqueles que podem estar em risco de AD, mas que ainda não desenvolveram sintomas, ou pacientes MCI (Comprometimento Cognitivo Leve), que podem desenvolver Alzheimer. Para interpretar e avaliar objetivamente essas modalidades de imagem é necessário de um Sistema de Diagnóstico Auxiliado por Computador completo. A maioria das abordagens anteriores para este problema não levam em conta a ordenação das classes entre CN, MCI e AD. Nesta tese, isso é ser explorado, utilizando uma formulação que incorpora a ordenação das classes (SVM-o) no método SVM é com imagens FDG-PET para treinar e testar este novo método. Além disso, esta abordagem é comparada com abordagens mais comuns, baseadas em: Máquinas de Vectores de Suporte(SVM), K vizinhos mais próximos (K-NN) e Florestas Aleatórias (RF). Estes métodos foram aplicados no diagnóstico da doença de Alzheimer e MCI. Avaliou-se o desempenho dos diferentes métodos na classificação de cada paciente numa de três classes (cognitivamente normal (CN) vs MCI vs AD).
Doença de Alzheimer, Tomografia por Emissão de Positrões, Ordenação das classes, Support Vector Machine, K-Nearest Neighbor, Random Forest.

Julho 3, 2012, 10:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

CO-ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado