Dissertação

Predicting Alzheimer’s Disease Progression: A deep Learning Approach EVALUATED

A doença de Alzheimer é uma doença neurodegenerativa que causa a deterioração das funções cognitivas, afetando especialmente a população com idade mais avançada. Como a doença é considerada incurável, é da maior importância seguir os pacientes o mais cedo possível. Devido ao Défice Cognitivo Ligeiro ser considerado como uma fase inicial da doença de Alzheimer, é imperativo o desenvolvimento de ferramentas que permitam a predição de se e quando o paciente converte para Alzheimer. Nesta tese foram utilizadas metodologias de deep learning para prever com base em dados neuropsicológicos, se um paciente permanece com défice cognitivo ligeiro (sMCI) ou se converte para AD (converter MCI, cMCI). Além disto, uma nova metodologia para seleção automática das features dos dados baseada em deep learning, bem como a utilização de uma metodologia de imputação para criação de novos dados foram propostas. Para avaliar as metodologias propostas, diversos métodos de Machine Learning foram usados, bem como diferentes metodologias para equilibrar os dados, realizar a imputação e a seleção de features. Os resultados obtidos mostraram boas capacidades para os métodos propostos, obtendo valores elevados de AUC e precisão, e sendo capaz de boas predições até 5 anos antes da conversão, com valores de AUC de 0.86 e de precisão de 77%.
Doença de Alzheimer, Dados Neuropsicológicos, Previsão Prognóstica, Deep Learning, Seleção de Características, Classificação

Janeiro 21, 2021, 13:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Helena Isabel Aidos Lopes Tomás

FCUL

Professor Auxiliar

ORIENTADOR

Pedro Filipe Zeferino Tomás

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar