Diagnosis of Alzheimer's disease from 3D images of the brain along time

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Filipa da Conceição dos Santos
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/15689
Resumo: Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2014
id RCAP_8dbb9f5369feb67dc885059265af4f04
oai_identifier_str oai:repositorio.ul.pt:10451/15689
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Diagnosis of Alzheimer's disease from 3D images of the brain along timeDoença de AlzheimerDiagnóstico assistido por computadorTomografia por emissão de positrões com 18F-FluorodeoxiglucoseAnálise longitudinalNormalização da intensidadeSeleção de featuresTeses de mestrado - 2014Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2014A doença de Alzheimer (AD) é a forma mais comum de demência e, apesar de atualmente não ter cura, o seu diagnóstico precoce é essencial para agir de forma a retardar a progressão dos sintomas. Por esta razão, o desenvolvimento de sistemas automáticos de diagnóstico usando imagens tridimensionais do cérebro tem despertado um interesse crescente nos últimos anos. No entanto, a maioria dos sistemas propostos baseia-se na análise das imagens apenas num instante temporal, ignorando a natureza progressiva da doença. O presente estudo teve como principal objetivo investigar a relevância da informação sobre o declínio metabólico cerebral ao longo do tempo, para o diagnóstico automático da AD. Foram usados imagens de FDG-PET da baseline e de diversos follow-up de sujeitos cognitivamente normais (CN), com défice cognitivo ligeiro (MCI) e pacientes com AD. De forma a extrair as features destas imagens, foram utilizadas duas análises distintas, nomeadamente uma abordagem baseada em voxel-a-voxel e outra baseada em regiões de interesse. Alem disso, foram testados diferentes métodos para selecionar as features mais relevantes, bem como várias abordagens para normalizar a intensidade das imagens de FDG-PET. O algoritmo Support Vector Machine foi usado para realizar classificações binárias entre CN vs AD, CN vs MCI e MCI vs AD. Apesar da informação longitudinal demonstrar não ter um grande poder discriminativo por si só, a combinação da informação de um instante temporal com a variação ao longo do tempo levou a melhores desempenhos de classificação, comparativamente a usar apenas os dados num instante temporal. Os resultados obtidos sugerem que a informação longitudinal pode ser um complemento útil para o diagnóstico automático de AD.Alzheimer's disease (AD) is the most common cause of dementia in the elderly. Although no cure has yet been found for this disorder, it is possible to delay progression of its symptoms if therapeutic intervention is provided at the earliest stage of the disease. However, the early diagnosis may be a challenging task for physicians, since the subtle changes in brain tissues associated with the onset of AD are difficult to detect by visual inspection of neuroimaging scans. Hence, in recent years, increasing attention has been given to the development of computer-aided diagnosis (CAD) for AD, in order to assist physicians in image analysis and interpretation. However, the majority of existing CAD systems rely on the analysis of biomarkers at a single time-point, ignoring the progressive nature of the disorder. In the present thesis, the value of incorporating information on cerebral metabolic patterns along time for the automatic classification of AD was investigated. Baseline and multiple follow-up FDG-PET scans of cognitively normal (CN), mild cognitive impairment (MCI) and AD subjects were used. Voxelbased and multi-region analysis of cross-sectional and longitudinal FDG-PET images were performed. In addition, different feature selection methods were tested, as well as several intensity normalization approaches for FDG-PET images. The Support Vector Machine algorithm was used for CN vs AD, CN vs MCI and MCI vs AD classification tasks. Although the longitudinal information did not seem to have a great discriminative power, the combination of longitudinal and cross-sectional data enhanced the classification results achievable using cross-sectional data alone. In fact, this combination led to results that are in line with the current state-of-the-art, suggesting that longitudinal data may provide valuable complementary information for the automatic diagnosis of AD.Almeida, Pedro Miguel Dinis de, 1968-Silveira, MargaridaRepositório da Universidade de LisboaRodrigues, Filipa da Conceição dos Santos2015-01-12T15:35:57Z201420142014-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/15689TID:201323532enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:02:27Zoai:repositorio.ul.pt:10451/15689Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:37:02.898283Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Diagnosis of Alzheimer's disease from 3D images of the brain along time
title Diagnosis of Alzheimer's disease from 3D images of the brain along time
spellingShingle Diagnosis of Alzheimer's disease from 3D images of the brain along time
Rodrigues, Filipa da Conceição dos Santos
Doença de Alzheimer
Diagnóstico assistido por computador
Tomografia por emissão de positrões com 18F-Fluorodeoxiglucose
Análise longitudinal
Normalização da intensidade
Seleção de features
Teses de mestrado - 2014
title_short Diagnosis of Alzheimer's disease from 3D images of the brain along time
title_full Diagnosis of Alzheimer's disease from 3D images of the brain along time
title_fullStr Diagnosis of Alzheimer's disease from 3D images of the brain along time
title_full_unstemmed Diagnosis of Alzheimer's disease from 3D images of the brain along time
title_sort Diagnosis of Alzheimer's disease from 3D images of the brain along time
author Rodrigues, Filipa da Conceição dos Santos
author_facet Rodrigues, Filipa da Conceição dos Santos
author_role author
dc.contributor.none.fl_str_mv Almeida, Pedro Miguel Dinis de, 1968-
Silveira, Margarida
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Rodrigues, Filipa da Conceição dos Santos
dc.subject.por.fl_str_mv Doença de Alzheimer
Diagnóstico assistido por computador
Tomografia por emissão de positrões com 18F-Fluorodeoxiglucose
Análise longitudinal
Normalização da intensidade
Seleção de features
Teses de mestrado - 2014
topic Doença de Alzheimer
Diagnóstico assistido por computador
Tomografia por emissão de positrões com 18F-Fluorodeoxiglucose
Análise longitudinal
Normalização da intensidade
Seleção de features
Teses de mestrado - 2014
description Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2014
publishDate 2014
dc.date.none.fl_str_mv 2014
2014
2014-01-01T00:00:00Z
2015-01-12T15:35:57Z
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 http://hdl.handle.net/10451/15689
TID:201323532
url http://hdl.handle.net/10451/15689
identifier_str_mv TID:201323532
dc.language.iso.fl_str_mv eng
language eng
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.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134267617312768

Registros relacionados