Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/38300 |
Resumo: | O interesse na Doença de Alzheimer (DA) está focado, cada vez mais, no seu diagnóstico preciso a fim de iniciar mais brevemente os tratamentos possíveis na tentativa de retardar a progressão da doença. No entanto, as alterações neuropatológicas, lesões no tecido cerebral, podem aparecer antes mesmo que os sintomas clínicos se apresentem. Como consequência, considerar somente as análises e medições clínicas que costumam avaliar o prejuízo cognitivo pode não ser suficiente para um diagnóstico de DA de modo preciso, pois como foi dito, nessa fase a doença pode apresentar-se assintomática ou muito leve. Sendo assim, torna-se interessante o uso de métodos de diagnóstico mais sensíveis, como a busca de marcadores biológicos e exames de neuroimagens, como forma de auxílio ao diagnóstico clínico, baseado puramente em testes cognitivos, que direcionam o julgamento feito pelo médico em que são consideradas as características individuais de cada paciente, e então são avaliadas as suas funções cognitivas, geralmente prejudicadas nessa patologia, como atenção e memória por exemplo. Tendo a DA como característica uma degeneração neuroanatômica progressiva, é possível diagnosticar com uma boa precisão a doença por meio de exames por imagem de ressonância magnética (RMI). Através de imagens de RMI é possível visualizar, à nível estrutural, a extensão e padrão de lesões cerebrais (globais ou em áreas focais, como o hipocampo). As técnicas de Aprendizado de Máquina têm se mostrado bastante adequadas para construir ferramentas automatizadas de apoio ao diagnóstico por imagem, além de ter um baixo custo computacional para o treinamento. Este projeto propõe o uso de ferramentas dessa natureza para investigar atributos que possam representar imagens RMI. Posteriormente, o trabalho propõe desenvolver um sistema inteligente para apoio ao diagnóstico não invasivo, da doença de Alzheimer por meio de uma análise automatizada. No processo de validação e teste foi utilizada a base pública MIRIAD, que disponibiliza imagens de MRI. Com a proposta desenvolvida neste estudo os melhores resultados obtidos para a acurácia foram de 95.81% e 93.62%. |
id |
UFPE_79cb7d867b9a77d9d24d66b9bacb663e |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/38300 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
SILVA, Gabriela dos Santos Lucas ehttp://lattes.cnpq.br/2162081542188657http://lattes.cnpq.br/3702924271252130http://lattes.cnpq.br/6413917211782026SOUZA, Ricardo Emmanuel deSANTOS, Wellington Pinheiro dos2020-10-08T14:41:21Z2020-10-08T14:41:21Z2020-02-20SILVA, Gabriela dos Santos Lucas e. Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI. 2020. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/38300O interesse na Doença de Alzheimer (DA) está focado, cada vez mais, no seu diagnóstico preciso a fim de iniciar mais brevemente os tratamentos possíveis na tentativa de retardar a progressão da doença. No entanto, as alterações neuropatológicas, lesões no tecido cerebral, podem aparecer antes mesmo que os sintomas clínicos se apresentem. Como consequência, considerar somente as análises e medições clínicas que costumam avaliar o prejuízo cognitivo pode não ser suficiente para um diagnóstico de DA de modo preciso, pois como foi dito, nessa fase a doença pode apresentar-se assintomática ou muito leve. Sendo assim, torna-se interessante o uso de métodos de diagnóstico mais sensíveis, como a busca de marcadores biológicos e exames de neuroimagens, como forma de auxílio ao diagnóstico clínico, baseado puramente em testes cognitivos, que direcionam o julgamento feito pelo médico em que são consideradas as características individuais de cada paciente, e então são avaliadas as suas funções cognitivas, geralmente prejudicadas nessa patologia, como atenção e memória por exemplo. Tendo a DA como característica uma degeneração neuroanatômica progressiva, é possível diagnosticar com uma boa precisão a doença por meio de exames por imagem de ressonância magnética (RMI). Através de imagens de RMI é possível visualizar, à nível estrutural, a extensão e padrão de lesões cerebrais (globais ou em áreas focais, como o hipocampo). As técnicas de Aprendizado de Máquina têm se mostrado bastante adequadas para construir ferramentas automatizadas de apoio ao diagnóstico por imagem, além de ter um baixo custo computacional para o treinamento. Este projeto propõe o uso de ferramentas dessa natureza para investigar atributos que possam representar imagens RMI. Posteriormente, o trabalho propõe desenvolver um sistema inteligente para apoio ao diagnóstico não invasivo, da doença de Alzheimer por meio de uma análise automatizada. No processo de validação e teste foi utilizada a base pública MIRIAD, que disponibiliza imagens de MRI. Com a proposta desenvolvida neste estudo os melhores resultados obtidos para a acurácia foram de 95.81% e 93.62%.The interest in Alzheimer's Disease (AD) is increasingly focused on its accurate diagnosis in order to start the possible treatments as soon as possible in an attempt to slow the progression of the disease. However, neuropathological changes, lesions in brain tissue, can appear before clinical symptoms even appear. As a consequence, considering only the clinical analyzes and measurements that usually assess cognitive impairment may not be sufficient for a diagnosis of AD in a precise way, because as mentioned, at this stage the disease may be asymptomatic or very mild. Therefore, it is interesting to use more sensitive diagnostic methods, such as the search for biological markers and neuroimaging exams, as a way to aid clinical diagnosis, based purely on cognitive tests, which guide the judgment made by the doctor in which the individual characteristics of each patient are considered, and then their cognitive functions are evaluated, which are usually impaired in this pathology, such as attention and memory for example. With AD as a characteristic of progressive neuroanatomical degeneration, it is possible to diagnose the disease with good precision by means of magnetic resonance imaging (MRI) exams. Through MRI images it is possible to visualize, at a structural level, the extent and pattern of brain lesions (global or in focal areas, such as the hippocampus). Machine Learning techniques have been shown to be quite adequate to build automated tools to support diagnostic imaging, in addition to having a low computational cost for training. This project proposes the use of tools of this nature to investigate attributes that can represent RMI images. Subsequently, the work proposes to develop an intelligent system to support the non-invasive diagnosis of Alzheimer's disease through an automated analysis. In the process of validation and testing, the public database MIRIAD was used, which provides MRI images. With the proposal developed in this study, the best results obtained for accuracy were 95.81% and 93.62%.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia BiomedicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia BiomédicaDoença de AlzheimerDiagnósticoRMISistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRIinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdfDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdfapplication/pdf2323150https://repositorio.ufpe.br/bitstream/123456789/38300/1/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf348553d5c56d3171bc3c37f078f9dea6MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/38300/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/38300/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdf.txtDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdf.txtExtracted texttext/plain123826https://repositorio.ufpe.br/bitstream/123456789/38300/4/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf.txt00ad4b17f0cfb1c7541ca6cc0e418332MD54THUMBNAILDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdf.jpgDISSERTAÇÃO Gabriela dos Santos Lucas e Silva.pdf.jpgGenerated Thumbnailimage/jpeg1253https://repositorio.ufpe.br/bitstream/123456789/38300/5/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf.jpga4cdfcb11a9a147c2e92ed80ccb4670fMD55123456789/383002020-10-09 02:11:29.27oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-10-09T05:11:29Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
title |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
spellingShingle |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI SILVA, Gabriela dos Santos Lucas e Engenharia Biomédica Doença de Alzheimer Diagnóstico RMI |
title_short |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
title_full |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
title_fullStr |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
title_full_unstemmed |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
title_sort |
Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI |
author |
SILVA, Gabriela dos Santos Lucas e |
author_facet |
SILVA, Gabriela dos Santos Lucas e |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/2162081542188657 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3702924271252130 |
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6413917211782026 |
dc.contributor.author.fl_str_mv |
SILVA, Gabriela dos Santos Lucas e |
dc.contributor.advisor1.fl_str_mv |
SOUZA, Ricardo Emmanuel de |
dc.contributor.advisor-co1.fl_str_mv |
SANTOS, Wellington Pinheiro dos |
contributor_str_mv |
SOUZA, Ricardo Emmanuel de SANTOS, Wellington Pinheiro dos |
dc.subject.por.fl_str_mv |
Engenharia Biomédica Doença de Alzheimer Diagnóstico RMI |
topic |
Engenharia Biomédica Doença de Alzheimer Diagnóstico RMI |
description |
O interesse na Doença de Alzheimer (DA) está focado, cada vez mais, no seu diagnóstico preciso a fim de iniciar mais brevemente os tratamentos possíveis na tentativa de retardar a progressão da doença. No entanto, as alterações neuropatológicas, lesões no tecido cerebral, podem aparecer antes mesmo que os sintomas clínicos se apresentem. Como consequência, considerar somente as análises e medições clínicas que costumam avaliar o prejuízo cognitivo pode não ser suficiente para um diagnóstico de DA de modo preciso, pois como foi dito, nessa fase a doença pode apresentar-se assintomática ou muito leve. Sendo assim, torna-se interessante o uso de métodos de diagnóstico mais sensíveis, como a busca de marcadores biológicos e exames de neuroimagens, como forma de auxílio ao diagnóstico clínico, baseado puramente em testes cognitivos, que direcionam o julgamento feito pelo médico em que são consideradas as características individuais de cada paciente, e então são avaliadas as suas funções cognitivas, geralmente prejudicadas nessa patologia, como atenção e memória por exemplo. Tendo a DA como característica uma degeneração neuroanatômica progressiva, é possível diagnosticar com uma boa precisão a doença por meio de exames por imagem de ressonância magnética (RMI). Através de imagens de RMI é possível visualizar, à nível estrutural, a extensão e padrão de lesões cerebrais (globais ou em áreas focais, como o hipocampo). As técnicas de Aprendizado de Máquina têm se mostrado bastante adequadas para construir ferramentas automatizadas de apoio ao diagnóstico por imagem, além de ter um baixo custo computacional para o treinamento. Este projeto propõe o uso de ferramentas dessa natureza para investigar atributos que possam representar imagens RMI. Posteriormente, o trabalho propõe desenvolver um sistema inteligente para apoio ao diagnóstico não invasivo, da doença de Alzheimer por meio de uma análise automatizada. No processo de validação e teste foi utilizada a base pública MIRIAD, que disponibiliza imagens de MRI. Com a proposta desenvolvida neste estudo os melhores resultados obtidos para a acurácia foram de 95.81% e 93.62%. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-10-08T14:41:21Z |
dc.date.available.fl_str_mv |
2020-10-08T14:41:21Z |
dc.date.issued.fl_str_mv |
2020-02-20 |
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.citation.fl_str_mv |
SILVA, Gabriela dos Santos Lucas e. Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI. 2020. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/38300 |
identifier_str_mv |
SILVA, Gabriela dos Santos Lucas e. Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI. 2020. Dissertação (Mestrado em Engenharia Biomédica) – Universidade Federal de Pernambuco, Recife, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/38300 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia Biomedica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/38300/1/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf https://repositorio.ufpe.br/bitstream/123456789/38300/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/38300/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/38300/4/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/38300/5/DISSERTA%c3%87%c3%83O%20Gabriela%20dos%20Santos%20Lucas%20e%20Silva.pdf.jpg |
bitstream.checksum.fl_str_mv |
348553d5c56d3171bc3c37f078f9dea6 e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 00ad4b17f0cfb1c7541ca6cc0e418332 a4cdfcb11a9a147c2e92ed80ccb4670f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310692193173504 |