Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/87824
Title: Diferential diagnosis of alzheimer's disease based on multimodal imaging data (MRI, PIB and DTI)
Other Titles: Diagnóstico diferencial da doença de Alzheimer com base em dados de imagem multimodal (MRI, PIB e DTI)
Authors: Agostinho, Daniel Andrade Pinho
Orientador: Caramelo, Francisco José Santiago Fernandes Amado
Branco, Miguel Sá Sousa Castelo
Keywords: Doença de Alzheimer; Abordagem Multimodal; Machine Learning; Classificação; Ensemble Learning; Alzheimer's Disease; Multimodal Approach; Machine Learning; Classification; Ensemble Learning
Issue Date: 27-Sep-2019
Serial title, monograph or event: Diferential diagnosis of alzheimer's disease based on multimodal imaging data (MRI, PIB and DTI)
Place of publication or event: LBIM-FMUC; ICNAS
Abstract: A doença de Alzheimer (DA) é a mais comum forma de demência humana e, de momento, não possui um critério de diagnóstico bem definido, embora, neste contexto, se dê ênfase ao uso de biomarcadores, provenientes de neuroimagens. Técnicas de imagem como a ressonância magnética (RM), tomografia de emissão de positrões e imagem de tensor de difusão são usadas, quer separadamente, quer numa abordagem multimodal, no estudo e na classificação da DA. As abordagens multimodais concentram-se maioritariamente no uso de biomarcadores baseados na ressonância magnética, que são posteriormente combinados com outro tipo de neuroimagem ou dados biológicos.Nesta tese, propomos analisar os efeitos da combinação dos dados provenientes das 3 modalidades de imagem, bem como estudar a informação complementar que é dada através da combinação de cada modalidade. Para alcançar este objetivo começámos por criar classificadores base, um para cada modalidade de imagem, e depois examinamos os efeitos da sua combinação, usando técnicas de ensemble.Os resultados obtidos mostram que a combinação das 3 modalidades de imagem melhora a performance geral dos classificadores base (exatidão-98%, sensibilidade-99%, especificidade-97%), mas não apresentam uma melhoria significativa em relação ao uso da combinação de apenas MRI+PIB (precisão-98%, sensitividade-99%, especificidade -98%) ou MRI+DTI (precisão-97%, sensitividade-94%, especificidade-99%). Mais ainda, a combinação de PIB+DTI (precisão-91%, sensitividade-93%, especificidade-90%) não mostrou qualquer melhoria em relação aos classificadores base, o que sugere uma falta de informação complementar entre estas duas modalidades de imagem.Estas descobertas podem representar benefícios clínicos não apenas para as instituições, reduzindo custos, mas também para o bem-estar do paciente, reduzindo o desconforto causado pelo longo tempo de aquisição de imagens PET e removendo a necessidade de exposição a radiação ionizante.
Alzheimer’s disease (AD) is the most common form of dementia in humans and currently it does not have a defined diagnostic criterion, although, nowadays, it emphasizes the use of neuroimaging biomarkers. Magnetic resonance imaging (MRI), positron emission tomography (PET) and diffusion tensor imaging (DTI) are used, either alone or in multimodal approaches, in the study and classification of AD. Today’s multimodal approaches focus on the use of MRI related biomarkers, as a base, and then combining them with other type of imaging or biological data.Here we propose to analyse the effects of the combination of the data from the three imaging modalities, as well as study the complementary information, provided from the combination of each modality. To achieve this goal, we start by creating base classifiers, one for each different imaging modality, and then examine the combination effects, using ensemble techniques.The results show that the combination of all three imaging modalities improves the general performance of the base classifiers (accuracy-98%, sensitivity-99%, specificity-97%), however, it did not show a significant improvement over the use of the combination of just MRI+PIB (accuracy-98%, sensitivity-99%, specificity-98%) or MRI+DTI (accuracy-97%, sensitivity-94%, specificity-99%). Furthermore, the combination of PIB+DTI (accuracy-91%, sensitivity-93%, specificity-90%) did not show any improvement over the base classifiers, suggesting a lack of complementary information between the two imaging modalities.These findings could represent clinical benefits not only for the institutions, by reducing costs, but also for the patient’s wellbeing by reducing the discomfort caused by the lengthy acquisition time of the PET scans and by removing the need of exposure to ionizing radiation.
Description: Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia
URI: https://hdl.handle.net/10316/87824
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
Tese Daniel Agostinho.pdf7.76 MBAdobe PDFView/Open
Show full item record

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons