Dissertação

Modelling Progression of Alzheimer’s Disease with RNN EVALUATED

A Doença de Alzheimer é uma forma de demência que se prevê tornar mais presente à medida que a esperança de vida aumenta. Modelar o progresso desta doença seria benéfico para a comunidade médica. O objetivo desta dissertação é de prever com precisão o diagnóstico de vários pacientes, em específico se têm esta doença ou se estão em algum estado que possa progredir para tal. Conjuntos de dados longitudinais como o ADNI fornecem dados sobre os pacientes. Neste trabalho foram usados testes cognitivos, diagnósticos clínicos, idades, e ressonâncias mágneticas. Os modelos de RNN são os mais indicados para lidar com estes dados. Para alcançar o objetivo desta dissertação, foram utilizadas várias estratégias, nomeadamente uma arquitetura de RNN nova (T-LSTM) e duas outras estratégias: o intervalo de tempo (TI) entre consultas, e modelos generativos para preencher dados em falta. Os TI não constantes estão sempre presentes neste conjunto de dados. Os modelos generativos preenchem os valores em falta com resultados derivados da distrubuição estatística dos dados. Os dois modelos generativos obtiveram melhores resultados na classificação do que a baseline e parte do estado da arte, mesmo não utilizando tantos dados como desejado. A T-LSTM permite utilizar mais dados, algo vantajoso para esta tarefa. Os resultados na classificação da nova arquitetura não foram os melhores. Concluindo, os modelos generativos são competitivos com o estado da arte e podem ter os melhores resultados nesta tarefa. A arquitetura proposta permite utilizar mais dados, mas o mecanismo de decaimento pode estar a obstruir os resultados.
Doença de Alzheimer, RNN, T-LSTM, GAN, VAE

Julho 5, 2021, 14:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar