Dissertação
3D Siamese networks and Attention for Alzheimer’s Diagnosis EVALUATED
A doença de Alzheimer (AD) é um distúrbio neurodegenerativo caracterizado pela diminuição cognitiva e perda de memória. O diagnóstico precoce e preciso da AD é crucial para intervenção e tratamento oportunos. Neste estudo, propomos diferentes abordagens para o diagnóstico da AD usando redes neurais siamese e atenção CBAM em PETs cerebrais 3D. Desenvolvemos uma arquitetura de rede neural siamese que alavanca a métrica de similaridade entre pares de imagens PET para classificar pacientes como AD, defice cognitivo ligeiro ou controles normais, ou entre combinações de duas classes. Para melhorar ainda mais o desempenho do modelo, empregamos o mecanismo de atenção CBAM (Módulo de Atenção de Bloco Convolucional) para destacar as regiões relevantes do cérebro que são cruciais para o diagnóstico da AD. Avaliamos a abordagem proposta no conjunto de dados da Iniciativa de Neuroimagem da Doença de Alzheimer e alcançamos resultados promissores, com uma precisão de 96,2% na classificação binária AD versus NC, 92,5% em AD versus MCI, 91,3% em MCI versus NC e 86,5% em AD versus MCI versus NC. Os nossos resultados demonstram a eficácia do uso de redes neurais siamese e atenção CBAM em PETs cerebrais 3D para o diagnóstico da AD. Essa abordagem tem o potencial de fornecer uma ferramenta não invasiva e automatizada para o diagnóstico precoce e preciso da AD, o que pode ajudar a melhorar os resultados dos pacientes e desenvolver tratamentos mais eficazes para a doença.
junho 14, 2023, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Maria Margarida Campos da Silveira
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar