Um estudo sobre predição da doença de Alzheimer por meio da classificação estatística de imagens por ressonância magnética estrutural do encéfalo

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Dissertação
Data
2011
Autores
Fernandes, Michel Pereira
Orientador
Thomaz, C. E.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
FERNANDES, Michel Pereira. Um estudo sobre predição da doença de Alzheimer por meio da classificação estatística de imagens por ressonância magnética estrutural do encéfalo. 2011. 100 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário da Fei, São Bernardo do Campo, 2011 Disponível em: . Acesso em: 14 out. 2011.
Texto completo (DOI)
Palavras-chave
Alzheimer, Doença de,Ressonância magnética,Mapeamento estatístico
Resumo
O aumento da expectativa de vida da população, resultado do avanço da sociedade em diversas áreas, principalmente na área da saúde, ocasionou o aparecimento de novas enfermidades, como a demência, atingindo grande parte da população idosa. Dentre os casos de demência, 25% evoluem para a Doenca de Alzheimer (DA). A DA é caracterizada pelo comprometimento de funções cognitivas ligadas a memória, por essa razão à medida que a doença avança mais severos são os efeitos sobre o paciente. Atualmente a DA não tem cura. O desafío dos especialistas é a antecipação do diagnóstico para o início do tratamento cada vez mais cedo. Uma das estratégias de identicação antecipada da DA é por meio da identificação dos casos do Transtorno Cognitivo Leve (TCL). O TCL representa um estágio de pré-demência, entre o envelhecimento natural e a demência. Sua característica marcante é o alto grau de conversão para a DA, representado por mais da metade do total de pacientes. Identificar nos casos do TCL quais converterão para DA é o principal objetivo deste trabalho. Para alcançar este objetivo é proposto o uso de ferramentas de automação computacional que permitem avaliar as informações extraídas das imagens por ressonância magnética, alem da correlação das causas e seus efeitos. Tais resultados são difíceis de serem alcançados por analises clínicas devido à grande dimensionalidade dos dados. Os métodos computacionais mais recentes são baseados em análises univariada e multivariada. Por meio dessas análises são obtidos mapas estatísticos que permitem investigar as principais diferenças presentes nos tecidos cerebrais e correlacionar a evolução clínica com seus efeitos. De forma adicional, é explorado e validado, por meio de um classificador multivariado, quais pacientes com TCL poderão evoluir para a DA. Foram analisadas cerca de 720 imagens médicas para os experimentos executados. Os resultados mostram que a metodologia empregada é promissora para a predição dos casos de TCL, confirmados clinicamente, com até 4 anos de antecedência. Todas as análises foram realizadas utilizando-se a base de dados de referência internacional na literatura acadêmica, denominada ADNI (Alzheimer's Disease Neuroimaging Initiative).
The increased life expectancy of the population, result of society's development in many areas, specially in health, led to the emergence of new diseases such as dementia, aecting mostly the elderly opulation. Among the cases of dementia, 25% progress to Alzheimer's Disease (AD). AD is characterized by impairment of cognitive functions linked to memory, and consequently as the disease progresses more severe are the eects to the patient. Currently, the DA has no cure. The challenge for the experts is the anticipation of diagnosis to an early initiation of therapy. One of the strategies for early identification of AD is by identifying cases of Mild Cognitive Impairment (MCI). MCI is a pre-dementia stage, between the natural aging and dementia. Its important characteristic is the high degree of conversion to AD, represented by more than a half of all patients. To identify which cases of MCI converts to AD is the main goal of this study. To achieve this goal we propose the use of computer automation frameworks for assessing the information extracted from magnetic resonance images with greater detail, further analyzing the correlation of causes and efects. These results are dificult to be achieved by medical expert tests because of the high dimensionality of the data involved. The most recent computer methods are based on univariate and multivariate analyzes. Using these methods it was possible to obtain statistical maps that allow us to assess the main diferences present in brain tissue and to correlate with their clinical eects. Additionally we have explored a multivariate classifer and validated which patients with MCI will progress to AD regarding the discriminant features extracted by the classifer. We have carried out experiments including 720 magnetic resonance images. Our results have showed that the methodology is promising for the prediction of MCI, where in some cases the prediction, confirmed clinically, has been made 4 years in advance. All experiments have been performed using the nternational database available from the ADNI (Alzheimer's Disease Neuroimaging Initiative), a reference in the academic literature