{en_GB=Diagnosis of Alzheimer’s disease using sparse logistic regression} {} EVALUATED

Detalhes: {pt=O termo Doença de Alzheimer (AD) é utilizado para descrever a condição de indivíduos com perda de funções cognitivas derivada de um processo neuro-degenerativo, que é iniciado 20 anos antes do aparecimento dos primeiros sinais de declínio. AD é a forma mais comum de demência, afetando cerca de 35.6 milhões de indivíduos em todo o mundo. Hoje em dia, apenas é possível diagnosticar casos prováveis de AD, recorrendo a estes neuropsicológicos, sendo o diagnóstico definitivo apenas possível por autópsia. Neste sentido, têm sido efetuados estudos que exploram novas técnicas de diagnóstico com base em biomarcadores. O principal objetivo da presente tese é distinguir indivíduos com AD, daqueles com Défice Cognitivo Leve e dos cognitivamente normais, com base em imagens cerebrais adquiridas anualmente por Tomografia por Emissão de ositrões (FDG-PET) e, considerando informação temporal e espacial. Assim, os métodos esparsos Logísticos denominados Lasso, Group Lasso, Tree Group Lasso e Multi-task Group Lasso foram utilizados. O Multi-task Group Lasso foi o método que demonstrou ser o mais estável e robusto, tendo-se atingido uma precisão de 90.6%, 66.5% e 68.7% na classificação de AD vs CN, AD vs MCI e MCI vs CN, respetivamente, bem como um valor de Área Abaixo da Curva (AUC) de 92.9%, 74.0% e 65.5%, para os mesmos conjuntos de amostras. Este método foi, também, aquele que acarretou custos computacionais mais elevados. Finalmente, os voxels om maior peso pertencem às regiões que os médicos consideram importantes para o diagnóstico de AD, tais como o giro parahipocampal, hipocampo e amígdala., en=The term Alzheimer’s Disease (AD) is used to describe the condition of individuals with loss of cognitive functions as a result of a neurodegenerative process that is initiated around 20 years before the apperance of the first signals of decline. AD is the most frequent cause of disease and affects around 35.6 million of individuals worldwide. Nowadays, only probable AD cases are diagnosed based on neuropsychological tests, but a definite diagnosis is only possible with autopsy. In this way, new techniques of diagnosis using biomakers are under research. The main goal of this master thesis is to distinguish, AD, Mild cognitive impairment (MCI) and CN (cognitive normal) individuals, using FDG-PET images acquired every 12-months and taking advantage of spatial or temporal information. Since sparse logistic regression models allow to take into consideration that kind of information, those methods were chosen to accomplish the purpose of this thesis, more specifically Lasso, Group Lasso, Tree Group Lasso and Multi-task Group Lasso methods. From those, the Multi-task Group Lasso has shown to be the most robust and stable method, achieving an accuracy of 90.6%, 66.5% and 68.7% for AD vs CN, AD vs MCI and MCI vs CN, respectively and AUC value of 92.9%, 74.0% and 65.5% for the same samples. This method have also shown to be the one associated with higher computational costs. Finally, the most weighted features were selected in regions that doctors consider important for AD diagnosis, such as parahippocampal gyrus, hippocampus and amygdala.}

Discussão: junho 24, 2016, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Helena Mafalda Serrasqueiro Pombal de Oliveira Barros (ist169293)

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar