Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Padovese, Bruno Tavares [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
CBIR
Visual descriptors
Unsupervised learning
Alzheimer
Descritores visuais
Aprendizado não-supervisionado
Auxílio ao diagnóstico
Link de acesso: http://hdl.handle.net/11449/151042
Resumo: Resumo: Os estágios iniciais da doença de Alzheimer são comumente confundidos com o processo natural de envelhecimento. Adicionalmente, a metodologia envolvida no diagnóstico por radiologistas pode ser subjetiva e difícil de documentar. Neste cenário, o desenvolvimento de abordagens acessíveis capazes de auxiliar no diagnóstico precoce da doença de Alzheimer é crucial. Várias abordagens têm sido empregadas com este objetivo, especialmente utilizando imagens de ressonância magnética cerebral. Embora resultados com precisão satisfatória tenham sido obtidos, a maioria das abordagens requer etapas de pré-processamento muito específicas, baseadas na anatomia do cérebro. Neste trabalho, apresentamos uma nova abordagem de recuperação de imagens para auxílio ao diagnóstico da doença de Alzheimer, com base em descritores de propósito geral e uma etapa de pós-processamento não supervisionada. Os exames de ressonância magnética cerebral são processados e recuperados através de descritores de uso geral sem nenhuma etapa de pré-processamento. Dois algoritmos de aprendizado não-supervisionados baseados em ranqueamento foram aplicados para melhorar a eficácia dos resultados iniciais: os algoritmos RL-Sim e ReckNN. Os resultados experimentais demonstram que a abordagem proposta é capaz de atingir resultados de recuperação eficazes, sendo adequada para auxiliar no diagnóstico da doença de Alzheimer.
id UNSP_bd8648422c39b62199841bc8e8d8c54d
oai_identifier_str oai:repositorio.unesp.br:11449/151042
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnéticaDiagnostic support for Alzheimer's disease through magnetic resonance imagingCBIRVisual descriptorsUnsupervised learningAlzheimerDescritores visuaisAprendizado não-supervisionadoAuxílio ao diagnósticoResumo: Os estágios iniciais da doença de Alzheimer são comumente confundidos com o processo natural de envelhecimento. Adicionalmente, a metodologia envolvida no diagnóstico por radiologistas pode ser subjetiva e difícil de documentar. Neste cenário, o desenvolvimento de abordagens acessíveis capazes de auxiliar no diagnóstico precoce da doença de Alzheimer é crucial. Várias abordagens têm sido empregadas com este objetivo, especialmente utilizando imagens de ressonância magnética cerebral. Embora resultados com precisão satisfatória tenham sido obtidos, a maioria das abordagens requer etapas de pré-processamento muito específicas, baseadas na anatomia do cérebro. Neste trabalho, apresentamos uma nova abordagem de recuperação de imagens para auxílio ao diagnóstico da doença de Alzheimer, com base em descritores de propósito geral e uma etapa de pós-processamento não supervisionada. Os exames de ressonância magnética cerebral são processados e recuperados através de descritores de uso geral sem nenhuma etapa de pré-processamento. Dois algoritmos de aprendizado não-supervisionados baseados em ranqueamento foram aplicados para melhorar a eficácia dos resultados iniciais: os algoritmos RL-Sim e ReckNN. Os resultados experimentais demonstram que a abordagem proposta é capaz de atingir resultados de recuperação eficazes, sendo adequada para auxiliar no diagnóstico da doença de Alzheimer.Abstract: Initial stages of Alzheimer’s disease are easily confused with the normal aging process. Additionally, the methodology involved in the diagnosis by radiologists can be subjective and difficult to document. In this scenario, the development of accessible approaches capable of supporting the early diagnosis of Alzheimer’s disease is crucial. Various approaches have been employed with this objective, specially using brain MRI scans. Although certain satisfactory accuracy results have been achieved, most of the approaches require very specific pre-processing steps based on the brain anatomy. In this work, we present a novel image retrieval approach for supporting the Alzheimer’s disease diagnostic, based on general purpose features and an unsupervised post-processing step. The brain MRI scans are processed and retrieved through general visual features without any pre-processing step. Two rank-based unsupervised distance learning algorithms were used for improving the effectiveness of the initial results: the RL-Sim and ReckNN algorithms. Experimental results demonstrate that the proposed approach can achieve effective retrieval results, being suitable in aiding the diagnosis of Alzheimer’s disease.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPq: 154034/2016-9Universidade Estadual Paulista (Unesp)Pedronette, Daniel Carlos Guimarães [UNESP]Salvadeo, Denis Henrique Pinheiro [UNESP]Universidade Estadual Paulista (Unesp)Padovese, Bruno Tavares [UNESP]2017-07-04T17:59:03Z2017-07-04T17:59:03Z2017-05-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15104200088851033004153073P2porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-11-05T13:25:44Zoai:repositorio.unesp.br:11449/151042Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-11-05T13:25:44Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
Diagnostic support for Alzheimer's disease through magnetic resonance imaging
title Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
spellingShingle Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
Padovese, Bruno Tavares [UNESP]
CBIR
Visual descriptors
Unsupervised learning
Alzheimer
Descritores visuais
Aprendizado não-supervisionado
Auxílio ao diagnóstico
title_short Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
title_full Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
title_fullStr Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
title_full_unstemmed Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
title_sort Suporte ao diagnóstico da doença de Alzheimer a partir de imagens de ressonância magnética
author Padovese, Bruno Tavares [UNESP]
author_facet Padovese, Bruno Tavares [UNESP]
author_role author
dc.contributor.none.fl_str_mv Pedronette, Daniel Carlos Guimarães [UNESP]
Salvadeo, Denis Henrique Pinheiro [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Padovese, Bruno Tavares [UNESP]
dc.subject.por.fl_str_mv CBIR
Visual descriptors
Unsupervised learning
Alzheimer
Descritores visuais
Aprendizado não-supervisionado
Auxílio ao diagnóstico
topic CBIR
Visual descriptors
Unsupervised learning
Alzheimer
Descritores visuais
Aprendizado não-supervisionado
Auxílio ao diagnóstico
description Resumo: Os estágios iniciais da doença de Alzheimer são comumente confundidos com o processo natural de envelhecimento. Adicionalmente, a metodologia envolvida no diagnóstico por radiologistas pode ser subjetiva e difícil de documentar. Neste cenário, o desenvolvimento de abordagens acessíveis capazes de auxiliar no diagnóstico precoce da doença de Alzheimer é crucial. Várias abordagens têm sido empregadas com este objetivo, especialmente utilizando imagens de ressonância magnética cerebral. Embora resultados com precisão satisfatória tenham sido obtidos, a maioria das abordagens requer etapas de pré-processamento muito específicas, baseadas na anatomia do cérebro. Neste trabalho, apresentamos uma nova abordagem de recuperação de imagens para auxílio ao diagnóstico da doença de Alzheimer, com base em descritores de propósito geral e uma etapa de pós-processamento não supervisionada. Os exames de ressonância magnética cerebral são processados e recuperados através de descritores de uso geral sem nenhuma etapa de pré-processamento. Dois algoritmos de aprendizado não-supervisionados baseados em ranqueamento foram aplicados para melhorar a eficácia dos resultados iniciais: os algoritmos RL-Sim e ReckNN. Os resultados experimentais demonstram que a abordagem proposta é capaz de atingir resultados de recuperação eficazes, sendo adequada para auxiliar no diagnóstico da doença de Alzheimer.
publishDate 2017
dc.date.none.fl_str_mv 2017-07-04T17:59:03Z
2017-07-04T17:59:03Z
2017-05-15
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/11449/151042
000888510
33004153073P2
url http://hdl.handle.net/11449/151042
identifier_str_mv 000888510
33004153073P2
dc.language.iso.fl_str_mv por
language por
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 Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954492151201792

Registros relacionados