Dissertação
THE ROLE OF LONGITUDINAL NEUROIMAGING IN PREDICTING CONVERSION TO ALZHEIMER’S DISEASE AT DIFFERENT STAGES EVALUATED
A aplicação de modelos de Aprendizagem Profunda (DL) em dados de neuroimagem tem-se revelado uma abordagem poderosa para compreender e prever a progressão da doença do Alzheimer (AD). Um fator crítico para melhorar a precisão das previsões está na incorporação de informação longitudinal nesses modelos. Abordagens anteriores integraram dados longitudinais de neuroimagem de momentos no futuro e avaliaram os seus resultados num único grupo heterogéneo de sujeitos com Défice Cognitivo Ligeiro (MCI), contendo MCI conversores (MCI-C) em diferentes fases da progressão da doença. Esta tese investiga o impacto da incorporação de informação passada longitudinal em modelos de Aprendizagem Profunda para prever a conversão de Défice Cognitivo Ligeiro para a doença de Alzheimer, avaliando os resultados para diferentes grupos de MCI, com conversores em diversas etapas e momentos da doença. Neste estudo demonstramos que a incorporação de padrões temporais passados melhora significativamente o desempenho preditivo dos modelos, particularmente na identificação de fases iniciais e intermédias da doença.
dezembro 2, 2024, 13:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Maria Margarida Campos da Silveira
Departamento de Engenharia Electrotécnica e de Computadores
Professor Associado