Aplicação de técnicas de reconhecimento de padrões em dados quantitativos de neuroimagens por ressonância magnética em pacientes de esclerose múltipla

• Ano de defesa: 2016
• Autor(a) principal: Pessini, Rodrigo Antonio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Esclerose Múltipla; MRI Quantitative; Multiple Sclerosis; Pattern Recognition; Reconhecimento de Padrões; Ressonância Magnética Quantitativa
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/17/17159/tde-05122016-144035/

Na última década diferentes modalidades e técnicas quantitativas de neuroimagens aplicadas ao estudo de doenças neuro-degenerativas vêm fornecendo um volume cada vez maior de dados, tornando sua utilização uma tarefa complexa. Paralelamente, técnicas computacionais de reconhecimento de padrões vêm sendo desenvolvidas para apoiar a tomada de decisão humana. O propósito geral do presente estudo é aplicar técnicas de reconhecimento de padrões em dados quantitativos de neuroimagens adquiridas por ressonância magnética (RM) em pacientes com Esclerose Múltipla (EM). Especificamente foram avaliados dados retrospectivos de um grupo de 203 sujeitos controle sem doenças neurológicas e um grupo de 144 pacientes portadores de Esclerose Múltipla. Os dados usados foram provenientes da combinação de ferramentas computacionais de processamento de imagens e neuroimagens adquiridas em um aparelho de RM de 3 Tesla usando diferentes técnicas quantitativas: Difusão, Relaxometria, Taxa de Transferência de Magnetização (MTR) e Volumetria. Os dados das diferentes técnicas quantitativas em 126 regiões cerebrais não excludentes foram processados no programa de mineração de dados WEKA. Os algoritmos: k-nearest-neighbor (KNN) com diferentes números de vizinhos e Support vector machine (SVM) foram utilizados para a classificação e agrupamento desses dados. As regiões com maior contribuição na separação de ambos os grupos foram encontradas na substância branca (SB) nas seguintes estruturas: corpo caloso, precúneo, cerebelo e fusiforme esquerdos. Outro atributo significante foi o de hipo-intensidades que pode ser associado à presença de lesões, também na substância branca. Dentre as técnicas, a mais relevante foi a MTR com 92,9% de valor médio de área sob a curva ROC (Receiver Operating Characteristic), considerando os diferentes algoritmos de classificação e métodos de seleção de atributos, porém uma análise global incluindo os dados de todas as técnicas elevou esta área para 96,2%. O algoritmo KNN com 5 vizinhos foi considerado o melhor classificador geral para o conjunto de dados e tarefas aqui explorados resultando em 91,7% de valor médio de área sob a curva ROC, seguido por KNN3 com 90,8%, KNN1 com 87,1% e SVM com 85,8%. Uma classificação restrita, com áreas reconhecidamente afetadas pela EM e com KNN5 trouxe resultados de classificação 2,1% de valor médio de área sob a curva ROC inferiores à classificação principal sem restrições. O uso de técnicas de reconhecimento de padrões a partir dos dados de técnicas quantitativas de neuroimagem aplicadas à amostra estudada, demonstrou que a substância branca do cérebro é a mais afetada pela EM seguindo um padrão global com maior envolvimento no hemisfério esquerdo. A estratégia sugerida neste problema de classificação seria o uso dos dados de todas as técnicas quantitativas aqui discutidas provenientes das regiões envolvidas na classificação restrita conjuntamente com o precuneus e o fusiform, aplicando o KNN5 com seleção de melhores atributos.