Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer

Detalhes bibliográficos
Autor(a) principal: Freitas, F. O.
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da FEI
Texto Completo: https://repositorio.fei.edu.br/handle/FEI/287
Resumo: A doença de Alzheimer (DA) é o tipo de demência mais frequente entre a população idosa, sem cura, caracterizada pela degeneração progressiva e irreversível das células nervosas. Um dos desafios atuais é, dado os recursos para as diferentes populações mundiais, melhorar a acurácia dos sistemas de predição da DA, pelo desenvolvimento de novos biomarcadores. O hipocampo tem sido alvo de pesquisas, por ser uma das primeiras regiões cerebrais que passam por transformações morfológicas anormais, já no Transtorno Cognitivo Leve, estágio intermediário entre ter cognição normal e ser paciente de DA. Nesse contexto, esse trabalho propõe o desenvolvimento de uma ferramenta para determinar a distribuição das densidades superficiais de cargas elétricas (DDSC) nas regiões do hipocampo, com o objetivo de que as DDSC possam contribuir como novo biomarcador relativo aos seus aspectos morfológicos. O modelo proposto para esta ferramenta utiliza conjuntamente as equações da eletrostática, método dos momentos e wavelets de Haar, tendo como elementos de entrada as imagens de ressonância magnética estrutural (RM), com segmentação do hipocampo. A ferramenta foi validada na geração de 309 DDSC com formas variadas de hipocampos, nas quais as morfologias mantiveram-se fieis, tais como nas imagens de RM que as originaram. Realizou-se também um breve estudo do potencial das DDSC como biomarcador, sendo observado que devido a influência de cada carga elétrica sobre as demais, a DDSC é dependente da forma do hipocampo, apresentando variações nas regiões de expansão e retração, bem como nas regiões sem variações morfológicas. Os resultados obtidos são promissores, mostrando que a ferramenta proposta é eficiente na geração das DDSC, tendo potencial para gerar um novo biomarcador para uso conjunto com os demais existentes.
id FEI_2765713e93afd13ba8854392c27e1849
oai_identifier_str oai:repositorio.fei.edu.br:FEI/287
network_acronym_str FEI
network_name_str Biblioteca Digital de Teses e Dissertações da FEI
repository_id_str https://repositorio.fei.edu.br/oai/request
spelling Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de AlzheimerAlzheimer, Doença deHipocampo (Cérebro)Modelos matemáticosTranstorno cognitivo leveBiomarcadoresA doença de Alzheimer (DA) é o tipo de demência mais frequente entre a população idosa, sem cura, caracterizada pela degeneração progressiva e irreversível das células nervosas. Um dos desafios atuais é, dado os recursos para as diferentes populações mundiais, melhorar a acurácia dos sistemas de predição da DA, pelo desenvolvimento de novos biomarcadores. O hipocampo tem sido alvo de pesquisas, por ser uma das primeiras regiões cerebrais que passam por transformações morfológicas anormais, já no Transtorno Cognitivo Leve, estágio intermediário entre ter cognição normal e ser paciente de DA. Nesse contexto, esse trabalho propõe o desenvolvimento de uma ferramenta para determinar a distribuição das densidades superficiais de cargas elétricas (DDSC) nas regiões do hipocampo, com o objetivo de que as DDSC possam contribuir como novo biomarcador relativo aos seus aspectos morfológicos. O modelo proposto para esta ferramenta utiliza conjuntamente as equações da eletrostática, método dos momentos e wavelets de Haar, tendo como elementos de entrada as imagens de ressonância magnética estrutural (RM), com segmentação do hipocampo. A ferramenta foi validada na geração de 309 DDSC com formas variadas de hipocampos, nas quais as morfologias mantiveram-se fieis, tais como nas imagens de RM que as originaram. Realizou-se também um breve estudo do potencial das DDSC como biomarcador, sendo observado que devido a influência de cada carga elétrica sobre as demais, a DDSC é dependente da forma do hipocampo, apresentando variações nas regiões de expansão e retração, bem como nas regiões sem variações morfológicas. Os resultados obtidos são promissores, mostrando que a ferramenta proposta é eficiente na geração das DDSC, tendo potencial para gerar um novo biomarcador para uso conjunto com os demais existentes.Alzheimer s disease (AD) is the most frequent type of dementia among the elderly population, without cure, characterized by progressive and irreversible degeneration of nerve cells. One of the challenges nowadays is, given the available resources to different populations worldwide, improve the accuracy of prediction systems for AD, through new biomarkers development. Hippocampus has been subject of research, as it is one of the first cerebral regions abnormaly transformed, already in Mild Cognitive Impairment, intermediate stage between being normal congnition and being AD patient. In this context, this work purposes the development of a tool to determine the surface electrical charge density distribution (SCDD) in hippocampal regions, with the objetive that SCDD can contribute as a new biomarker relative to its morphological aspects. The proposed model for this tool uses the electrostatic equations, the method of moments and Haar wavelet, having the structural magnetic resonance imaging (MR) with hippocampal segmentation as input elements. The tool was validated in the generation of 309 SCDD with varied forms of hippocampus, in which the morphologies remained faithful, as in the MR images that originated them. A brief study of SCDD potential as a biomarker was carried out, and it was observed that due to the influence of each charge over the others, the SCDD is dependent on the shape of the hippocampus, showing variations in the regions of expansion and retraction, as well as in the regions without morphological variations. The results obtained are promising, showing that the proposed tool is efficient in the generation of SCDD, having the potential to generate a new biomarker for use in conjunction with the other existing ones.Centro Universitário FEI, São Bernardo do CampoBelardi, A. A.Freitas, F. O.2019-03-15T17:49:22Z2019-03-15T17:49:22Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFREITAS, F. O. <b> Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer. </b> 2017. 84. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017. Disponível em: <https://doi.org/10.31414/EE.2017.D.129041>. Acesso em: 29 ago. 2018.https://repositorio.fei.edu.br/handle/FEI/28710.31414/EE.2017.D.129041porpt_BRreponame:Biblioteca Digital de Teses e Dissertações da FEIinstname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccess2024-03-01T22:48:30Zoai:repositorio.fei.edu.br:FEI/287Biblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRIhttp://sofia.fei.edu.br/pergamum/oai/oai2.phpcfernandes@fei.edu.bropendoar:https://repositorio.fei.edu.br/oai/request2024-03-01T22:48:30Biblioteca Digital de Teses e Dissertações da FEI - Centro Universitário da Fundação Educacional Inaciana (FEI)false
dc.title.none.fl_str_mv Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
title Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
spellingShingle Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
Freitas, F. O.
Alzheimer, Doença de
Hipocampo (Cérebro)
Modelos matemáticos
Transtorno cognitivo leve
Biomarcadores
title_short Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
title_full Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
title_fullStr Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
title_full_unstemmed Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
title_sort Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer
author Freitas, F. O.
author_facet Freitas, F. O.
author_role author
dc.contributor.none.fl_str_mv Belardi, A. A.
dc.contributor.author.fl_str_mv Freitas, F. O.
dc.subject.por.fl_str_mv Alzheimer, Doença de
Hipocampo (Cérebro)
Modelos matemáticos
Transtorno cognitivo leve
Biomarcadores
topic Alzheimer, Doença de
Hipocampo (Cérebro)
Modelos matemáticos
Transtorno cognitivo leve
Biomarcadores
description A doença de Alzheimer (DA) é o tipo de demência mais frequente entre a população idosa, sem cura, caracterizada pela degeneração progressiva e irreversível das células nervosas. Um dos desafios atuais é, dado os recursos para as diferentes populações mundiais, melhorar a acurácia dos sistemas de predição da DA, pelo desenvolvimento de novos biomarcadores. O hipocampo tem sido alvo de pesquisas, por ser uma das primeiras regiões cerebrais que passam por transformações morfológicas anormais, já no Transtorno Cognitivo Leve, estágio intermediário entre ter cognição normal e ser paciente de DA. Nesse contexto, esse trabalho propõe o desenvolvimento de uma ferramenta para determinar a distribuição das densidades superficiais de cargas elétricas (DDSC) nas regiões do hipocampo, com o objetivo de que as DDSC possam contribuir como novo biomarcador relativo aos seus aspectos morfológicos. O modelo proposto para esta ferramenta utiliza conjuntamente as equações da eletrostática, método dos momentos e wavelets de Haar, tendo como elementos de entrada as imagens de ressonância magnética estrutural (RM), com segmentação do hipocampo. A ferramenta foi validada na geração de 309 DDSC com formas variadas de hipocampos, nas quais as morfologias mantiveram-se fieis, tais como nas imagens de RM que as originaram. Realizou-se também um breve estudo do potencial das DDSC como biomarcador, sendo observado que devido a influência de cada carga elétrica sobre as demais, a DDSC é dependente da forma do hipocampo, apresentando variações nas regiões de expansão e retração, bem como nas regiões sem variações morfológicas. Os resultados obtidos são promissores, mostrando que a ferramenta proposta é eficiente na geração das DDSC, tendo potencial para gerar um novo biomarcador para uso conjunto com os demais existentes.
publishDate 2017
dc.date.none.fl_str_mv 2017
2019-03-15T17:49:22Z
2019-03-15T17:49:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv FREITAS, F. O. <b> Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer. </b> 2017. 84. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017. Disponível em: <https://doi.org/10.31414/EE.2017.D.129041>. Acesso em: 29 ago. 2018.
https://repositorio.fei.edu.br/handle/FEI/287
10.31414/EE.2017.D.129041
identifier_str_mv FREITAS, F. O. <b> Modelamento matemático utilizando as equações da eletrostática e as wavelets de haar, como tentativa de um novo biomarcador para identificação precoce da doença de Alzheimer. </b> 2017. 84. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017. Disponível em: <https://doi.org/10.31414/EE.2017.D.129041>. Acesso em: 29 ago. 2018.
10.31414/EE.2017.D.129041
url https://repositorio.fei.edu.br/handle/FEI/287
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da FEI
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Biblioteca Digital de Teses e Dissertações da FEI
collection Biblioteca Digital de Teses e Dissertações da FEI
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da FEI - Centro Universitário da Fundação Educacional Inaciana (FEI)
repository.mail.fl_str_mv cfernandes@fei.edu.br
_version_ 1809225180088631296