Feature selection for neuroimaging applied to word-category identification in dyslexic children

Detalhes bibliográficos
Ano de defesa: 2015
Autor(a) principal: Froehlich, Caroline Seligman
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul
Faculdade de Informática
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
INFORMÁTICA
DIAGNÓSTICO POR IMAGEM
PROCESSAMENTO DE IMAGENS
IMAGEM POR RESSONÂNCIA MAGNÉTICA
DISLEXIA
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://tede2.pucrs.br/tede2/handle/tede/6247
Resumo: Dislexia é um transtorno de aprendizagem de leitura caracterizado pela dificuldade persistente de uma criança a aprender a ler fluentemente, mesmo apresentando outras habilidades cognitivas normais. A dislexia é uma dificuldade de aprendizado complexo e difícil de diagnosticar. Métodos de diagnostico tradicionais, como questionários, não são somente imprecisos em quantificar a dislexia, como também também não são precisos no diagnóstico. Consequentemente, nós visamos investigar a base neural deste transtorno de leitura em crianças e adolescentes, como parte de um projeto que tem como objetivo desvendar algumas das causas neurológicas da dislexia entre crianças em alfabetização. Nesta dissertação, desenvolvemos um estudo da ativação do cérebro com o uso de exames de imagem de ressonância magnética (IRM) funcional coletados enquanto as crianças realizavam uma tarefa de pseudo-palavras. Este estudo amplia técnicas de aprendizado de máquina recentemente desenvolvidas que identificam que tipo de palavra os participantes de um estudo estavam lendo, baseado somente em sua atividade neural. Como dados de IRM funcional contem aproximadamente 30.000 voxels, neste trabalho experimentamos com algumas técnicas de seleção de features para remover voxels que não são relevantes para o algoritmo de aprendizado de máquina. Esse procedimento é amplamente utilizado para maximizar a acurácia do algoritmo, e algumas abordagens de feature selection permitem atingir resultados muito precisos.
id P_RS_fc65238fbb6c2c4a8979dc71e42b34cb
oai_identifier_str oai:tede2.pucrs.br:tede/6247
network_acronym_str P_RS
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_RS
repository_id_str
spelling Feature selection for neuroimaging applied to word-category identification in dyslexic childrenINFORMÁTICADIAGNÓSTICO POR IMAGEMPROCESSAMENTO DE IMAGENSIMAGEM POR RESSONÂNCIA MAGNÉTICADISLEXIACIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAODislexia é um transtorno de aprendizagem de leitura caracterizado pela dificuldade persistente de uma criança a aprender a ler fluentemente, mesmo apresentando outras habilidades cognitivas normais. A dislexia é uma dificuldade de aprendizado complexo e difícil de diagnosticar. Métodos de diagnostico tradicionais, como questionários, não são somente imprecisos em quantificar a dislexia, como também também não são precisos no diagnóstico. Consequentemente, nós visamos investigar a base neural deste transtorno de leitura em crianças e adolescentes, como parte de um projeto que tem como objetivo desvendar algumas das causas neurológicas da dislexia entre crianças em alfabetização. Nesta dissertação, desenvolvemos um estudo da ativação do cérebro com o uso de exames de imagem de ressonância magnética (IRM) funcional coletados enquanto as crianças realizavam uma tarefa de pseudo-palavras. Este estudo amplia técnicas de aprendizado de máquina recentemente desenvolvidas que identificam que tipo de palavra os participantes de um estudo estavam lendo, baseado somente em sua atividade neural. Como dados de IRM funcional contem aproximadamente 30.000 voxels, neste trabalho experimentamos com algumas técnicas de seleção de features para remover voxels que não são relevantes para o algoritmo de aprendizado de máquina. Esse procedimento é amplamente utilizado para maximizar a acurácia do algoritmo, e algumas abordagens de feature selection permitem atingir resultados muito precisos.Dyslexia is a developmental reading disorder characterized by persistent difficulty to learn how to read fluently despite normal cognitive abilities. It is a complex learning difficulty that is often hard to quantify. Traditional methods based on questionnaires are not only imprecise in quantifying dyslexia, they are also not very accurate in diagnosing it. Consequently, we aim to investigate the neural underpinnings of this reading disorder in children and teenagers, as part of a project that aims to unravel some of the neurological causes of dyslexia among children at preliteracy age. In this dissertation, we develop a study of brain activation within functional MRI scans taken when children carried out pseudo-word tasks. Our study expands recently developed machine learning-based techniques that identify which type of word the study participants were reading based solely on participant’s brain activation. Because such functional MRI data contains about 30,000 voxels, we try several feature selection techniques for removing voxels that are not very helpful for the machine learning algorithm.This procedure is widely used for maximizing the machine learning algorithm accuracy, and some of these feature selection approaches allowed us to achieve very accurate results.Pontifícia Universidade Católica do Rio Grande do SulFaculdade de InformáticaBrasilPUCRSPrograma de Pós-Graduação em Ciência da ComputaçãoMeneguzzi, Felipe Rech969.411.200-10http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4701128E9Froehlich, Caroline Seligman2015-08-10T20:11:34Z2015-02-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://tede2.pucrs.br/tede2/handle/tede/6247enginfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RS2015-09-29T11:30:31Zoai:tede2.pucrs.br:tede/6247Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2015-09-29T11:30:31Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false
dc.title.none.fl_str_mv Feature selection for neuroimaging applied to word-category identification in dyslexic children
title Feature selection for neuroimaging applied to word-category identification in dyslexic children
spellingShingle Feature selection for neuroimaging applied to word-category identification in dyslexic children
Froehlich, Caroline Seligman
INFORMÁTICA
DIAGNÓSTICO POR IMAGEM
PROCESSAMENTO DE IMAGENS
IMAGEM POR RESSONÂNCIA MAGNÉTICA
DISLEXIA
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Feature selection for neuroimaging applied to word-category identification in dyslexic children
title_full Feature selection for neuroimaging applied to word-category identification in dyslexic children
title_fullStr Feature selection for neuroimaging applied to word-category identification in dyslexic children
title_full_unstemmed Feature selection for neuroimaging applied to word-category identification in dyslexic children
title_sort Feature selection for neuroimaging applied to word-category identification in dyslexic children
author Froehlich, Caroline Seligman
author_facet Froehlich, Caroline Seligman
author_role author
dc.contributor.none.fl_str_mv Meneguzzi, Felipe Rech
969.411.200-10
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4701128E9
dc.contributor.author.fl_str_mv Froehlich, Caroline Seligman
dc.subject.por.fl_str_mv INFORMÁTICA
DIAGNÓSTICO POR IMAGEM
PROCESSAMENTO DE IMAGENS
IMAGEM POR RESSONÂNCIA MAGNÉTICA
DISLEXIA
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
topic INFORMÁTICA
DIAGNÓSTICO POR IMAGEM
PROCESSAMENTO DE IMAGENS
IMAGEM POR RESSONÂNCIA MAGNÉTICA
DISLEXIA
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description Dislexia é um transtorno de aprendizagem de leitura caracterizado pela dificuldade persistente de uma criança a aprender a ler fluentemente, mesmo apresentando outras habilidades cognitivas normais. A dislexia é uma dificuldade de aprendizado complexo e difícil de diagnosticar. Métodos de diagnostico tradicionais, como questionários, não são somente imprecisos em quantificar a dislexia, como também também não são precisos no diagnóstico. Consequentemente, nós visamos investigar a base neural deste transtorno de leitura em crianças e adolescentes, como parte de um projeto que tem como objetivo desvendar algumas das causas neurológicas da dislexia entre crianças em alfabetização. Nesta dissertação, desenvolvemos um estudo da ativação do cérebro com o uso de exames de imagem de ressonância magnética (IRM) funcional coletados enquanto as crianças realizavam uma tarefa de pseudo-palavras. Este estudo amplia técnicas de aprendizado de máquina recentemente desenvolvidas que identificam que tipo de palavra os participantes de um estudo estavam lendo, baseado somente em sua atividade neural. Como dados de IRM funcional contem aproximadamente 30.000 voxels, neste trabalho experimentamos com algumas técnicas de seleção de features para remover voxels que não são relevantes para o algoritmo de aprendizado de máquina. Esse procedimento é amplamente utilizado para maximizar a acurácia do algoritmo, e algumas abordagens de feature selection permitem atingir resultados muito precisos.
publishDate 2015
dc.date.none.fl_str_mv 2015-08-10T20:11:34Z
2015-02-26
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://tede2.pucrs.br/tede2/handle/tede/6247
url http://tede2.pucrs.br/tede2/handle/tede/6247
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.publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Faculdade de Informática
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Faculdade de Informática
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS
instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron:PUC_RS
instname_str Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron_str PUC_RS
institution PUC_RS
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_RS
collection Biblioteca Digital de Teses e Dissertações da PUC_RS
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
repository.mail.fl_str_mv biblioteca.central@pucrs.br||
_version_ 1850041274845888512

Registros relacionados