{pt=Alzheimer's Disease Diagnosis using 3D Brain Images: Exploring new grounds on features extraction and selection} {} EVALUATED

Detalhes: {pt=As imagens PET podem desempenhar um papel determinante no diagnóstico precoce da Doença de Alzheimer (AD) e de pacientes com Défice Cognitivo Ligeiro (MCI). Existem actualmente métodos computadorizados que oferecem um desempenho igual ou superior ao obtido por médicos experientes no diagnóstico com base nestas imagens. Neste trabalho, procura-se potenciar estas abordagens, com a introdução de métodos inovadores de extracção e selecção de features. Duas estratégias de extracção são comparadas com a abordagem comum da intensidade dos voxels (VI): features 3D Haar-like e histogramas de magnitude e orientação do gradiente (HGMO). Na vertente da selecção, a análise visual de imagens PET realizada por um especialista foi monitorizada através de tecnologia de eye-tracking, proporcionando posteriormente a selecção automática da informação. Esta estratégia foi comparada com uma abordagem apoiada em regiões-de-interesse, e ainda com critérios automáticos de ranking. O desempenho das diferentes alternativas foi avaliado através de classificações binárias AD vs. Cognição Normal (CN), MCI vs. CN e AD vs. MCI, utilizando SVMs, de imagens de FDG-PET provenientes da base de dados ADNI. A selecção de features com base em eye-tracking melhorou ligeiramente o desempenho em AD vs. CN, o mesmo não acontecendo nas outras classificações. No que diz respeito às diferentes formas de extracção, as features HGMO obtiveram resultados superiores para AD vs. CN, e as 3D Haar-like melhoraram o desempenho nas restantes classificações. As diferenças encontradas, apesar de pouco significativas, colocam os métodos apresentados ao nível ou até acima de outros encontrados na literatura, sustentando investigação adicional das suas potencialidades., en=PET neuroimaging may play an important role as an Alzheimer's Disease (AD) early diagnosis tool, and also in the identification of Mild Cognitive Impairment (MCI) patients. Expert physicians attain good diagnostic accuracy relying on visual inspection of PET images only. Nevertheless, computer aided diagnosis methods have been implemented with similar or better performance. This study aims to improve the results of these approaches, exploring innovative methods of feature extraction and selection. In the feature extraction domain, two strategies are compared with the direct voxel intensity (VI) approach: 3D Haar-like features and histograms of gradient magnitude and orientation (HGMO). For feature selection purposes, an expert physician's visual inspection of PET images is monitored with eye tracking technology, being then used to drive the automatic selection. This strategy is compared with a more orthodox regions-of-interest approach, and with commonly used automatic ranking criteria. The performance of the approaches is evaluated in binary classifications of AD vs. Cognitively Normal (CN), MCI vs. CN and AD vs. MCI using SVMs, with FDG-PET image data from the ADNI database. Eye tracking-driven selection of features marginally improved the performance of AD vs. CN, but not for other classification tasks. Concerning the different extraction methods, HGMO features attained better results than VI for AD vs. CN, and 3D Haar-like features improved performance in the other tasks. The differences found, notwithstanding their modest significance, encourage further investigation on these selection and extraction strategies, since the results obtained are comparable or superior to those found in the literature.}

Discussão: novembro 23, 2011, 9:0

Orientação

AUTOR

Eduardo Jorge Martinho Bicacro (ist158615)

CO-ORIENTADOR

Jorge Dos Santos Salvador Marques

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar