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

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Dissertação
Data
2017
Autores
Freitas, F. O.
Orientador
Belardi, A. A.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
FREITAS, F. O. 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. 2017. 84. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2017. Disponível em: . Acesso em: 29 ago. 2018.
Texto completo (DOI)
Palavras-chave
Alzheimer, Doença de,Hipocampo (Cérebro),Modelos matemáticos,Transtorno cognitivo leve,Biomarcadores
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.
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.