Dissertação

Discovery of temporal patterns from multivariate time series data to support the classification of dementia profiles CONFIRMED

O recurso à prospecção de dados é crescentemente comum na Medicina como forma de auxiliar o diagnóstico e prognóstico. Contudo, os métodos actuais estão limitados na sua capacidade de lidar com o elevado número de variáveis e a inerente natureza temporal dos dados biomédicos. O presente trabalho procura estudar o papel discriminativo dos padrões temporais na classificação de séries temporais multivariadas, com o objectivo de apoiar o diagnóstico dos diferentes estágios da doença de Alzheimer. Para isso, foram extraídos dados da ADNI, uma base de dados que contém dados clínicos para a prevenção e tratamento da doença de Alzheimer (AD). Neste contexto, este trabalho analisa fontes heterogéneas de dados incluindo biomarcadores, líquido cefalorraquidiano, testes neuropsicológicos e imagens por ressonância magnética. No trabalho proposto, foram aplicadas diferentes técnicas, incluindo triclustering e classificação associativa para a análise de séries temporais multivariadas provenientes da ADNI. Os resultados recolhidos superaram as abordagens base implementadas, evidenciando a importância do uso de padrões temporais discriminativos em classificadores associativos de séries temporais multivariadas, e em particular, oferecem evidência empírica do seu papel no suporte de diagnóstico clínico.
Doença de Alzheimer, Dados de Séries Temporais Multivariadas, Classificação Associativa, Triclustering, ADNI

Outubro 24, 2019, 10:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Rui Miguel Carrasqueiro Henriques

Departamento de Engenharia Informática (DEI)

Professor Auxiliar