Dissertação

A data mining approach to predict conversion from mild cognitive impairment to Alzheimer's Disease EVALUATED

A doença de Alzheimer (DA) é uma conhecida doença neuro-degenerativa causando uma deficiência cognitiva. A deficiência cognitiva ligeira (DCL) é considerada um estado inicial de uma doença neuro degenerativa. Assume-se que pacientes diagnosticados com DCL, têm um maior risco de evolução para DA. Neste contexto um correto diagnóstico e uma análise eficaz da probabilidade de conversão são cruciais. Nesta tese, dados neuro-psicológicos são utilizados para distinguir os pacientes com DCI daqueles com DA e para prever a sua conversão, em janelas temporais. O conjunto de dados analisado foi classificado por médicos como DCI e DA. Como em qualquer conjunto de dados clínicos reais, estes são extremamente desbalanceados e com um elevado número de valores omissos. Foram utilizados técnicas, do estado da arte, de aprendizagem supervisionada, também foi realizado um estudo sobre o efeito na classificação do desbalanceamento de classes e dos valores omissos. Como o número de atributos é grande, técnicas de selecção de atributos foram utilizados para diminuir a dimensionalidade do problema. Uma metodologia foi criada para automatizar o processo de sobre amostragem e de procura de parâmetros. A ferramenta criada, automaticamente cria os modelos de classificação e parametriza-os, tendo em conta o estado de balanceamento dos dados. Os resultados obtidos indicam que os modelos desenvolvidos obtêm uma precisão, no diagnóstico de pacientes, na ordem dos 91% e no prognóstico na ordem dos 82%. Para auxiliar os médicos, um sistema de apoio à decisão foi criado e colocado à disposição destes, com os modelos de diagnóstico e prognostico criados.
Alzheimer’s Disease, Data Mining, Temporal Windows, diagnosis, prognosis, prediction

Novembro 8, 2012, 14:30

Publicação

Obra sujeita a Direitos de Autor

Orientação

CO-ORIENTADOR

Pedro Filipe Zeferino Tomás

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Sara Alexandra Cordeiro Madeira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar