Dissertação

{en_GB=Alzheimer’s Disease modelling through Hidden Markov Models } {} EVALUATED

{pt=Nas ultimas décadas tem havido um enorme investimento no desenvolvimento de sistemas de diagnóstico auxiliado por computador que permitam diagnosticar a Doença de Alzheimer o mais precocemente possível com recurso a métodos neuroimagiológicos, tais como Imagem por Ressonância Magnética e Tomografia por Emissão de Positrões (PET). A maioria dos métodos até hoje propostos tem como objectivo o diagnostico num único instante. Apesar de alguns autores terem mostrado que o desempenho destes sistemas pode beneficiar do uso de informação longitudinal, nomeadamente, a inclusão de imagem medica resultante do acompanhamento regular, poucos trabalhos exploram verdadeiramente a evolução clínica dos pacientes ao longo do tempo. Na presente tese, investigam-se modelos para progressão de doença e avalia-se o seu desempenho no diagnóstico da Doença de Alzheimer. Mais concretamente, desenvolveram-se Modelos de Markov Escondidos (HMM) distintos para a modelação temporal de sujeitos com Doença de Alzheimer, Défice Cognitivo Ligeiro e com níveis Cognitivos Normais. Para cada sujeito, foram utilizados exames PET adquiridos no início do estudo e 6, 12 e 24 meses após, durante o seu acompanhamento clínico. Investiga-se o incremento da capacidade de diagnóstico nos modelos baseados em HMM que incluem a dinâmica temporal em comparação com aqueles que utilizam um único exame., en=In the last few decades there has been a tremendous amount of work in the development of computer aided diagnosis systems (CAD) that can diagnose Alzheimer’s disease as early and as accurately as possible, from neuroimaging data such as Magnetic Resonance Images (MRI) or Positron Emission Tomography (PET). The large majority of the proposed methods focused on the diagnosis at a single time instant. Although some authors used longitudinal information, namely, follow-up image data, and reported increased performance, very few works truly explored the temporal evolution. In this thesis we investigate models for disease progression and evaluate their ability to perform diagnosis of Alzheimer’s Disease. More concretely we developed separate Hidden Markov models (HMM) for modeling the evolution of Alzheimer’s Disease (AD), Mild Cognitive Impairment (MCI) and Cognitively Normal (CN) individuals. For each subject, we used PET scans taken at baseline, and at the 6, 12 and 24 months follow-ups. We investigate the added value in diagnostic performance of HMM models that capture temporal evolution when compared to diagnosis at baseline. }
{pt=Doença de Alzheimer, Diagnostico Auxiliado por Computador, Tomografia por Emissão de Positrões, Modelos de Markov Escondidos, Modelação de Doença., en=Alzheimer’s Disease, Computer-Aided Diagnosis, Positron-Emission Tomography (PET) images, Hidden Markov Models, Disease Modelling.}

Julho 5, 2018, 17:0

Orientação

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar