Esta tesis es copyleft

Esta tesis tiene una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional. Esto significa que te la puedes descargar y distribuir siempre y cuando se cite al autor y no se haga dinero con ello.

Statistical Neuroimage Modeling, Processing and Synthesis based on Texture and Component Analysis: Tackling the Small Sample Size Problem.

Resumen

El aumento de la neuroimagen en los últimos años ha proporcionado a los médicos y radiólogos la capacidad de estudiar el cerebro con una facilidad sin precedentes. Esto condujo a una nueva perspectiva biológica en el estudio de las enfermedades neurodegenerativas, permitiendo la caracterización de diferentes patrones anatómicos y funcionales asociados a ellas. Los sistemas de Diagnóstico Asistido por Ordenador (CAD) utilizan técnicas estadísticas para preparar, procesar y extraer información de datos de neuroimagen con un objetivo principal: optimizar el proceso de análisis y diagnóstico de enfermedades neurodegenerativas y enfermedades mentales.

Con esta tesis nos centramos en tres etapas diferentes del proceso de CAD: preprocesamiento, extracción de características y validación. Para el preprocesamiento, hemos desarrollado un método que apunta a una preocupación relativamente reciente: el efecto de confusión de los falsos positivos debido a las diferencias en la adquisición en múltiples sitios. Nuestro método puede fusionar de manera efectiva conjuntos de datos mientras reduce los efectos del sitio de adquisición. En cuanto a la extracción de características, hemos estudiado algoritmos de descomposición (análisis independiente de componentes, análisis factorial), características de textura y un marco completo llamado Spherical Brain Mapping, que reduce las imágenes cerebrales tridimensionales a mapas estadísticos bidimensionales. Esto nos permitió mejorar el rendimiento de los sistemas automáticos de detección de las enfermedades de Alzheimer y Parkinson. Finalmente, desarrollamos una técnica de simulación cerebral que puede ser utilizada para validar nuevos conjuntos de datos funcionales, así como para fines educativos.

Presentación

Licencia

Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Proudly powered by the ArsClassica template.

Publicado por fjmartinezmurcia

Ingeniero de Telecomunicación y Doctor en Tecnologías de la Información y las Comunicaciones por la Universidad de Granada. Investigador Juan de la Cierva en la Universidad de Málaga, especializado en procesamiento y análisis de señales e imágenes médicas cerebrales. Finalista en Famelab 2018 y ganador de 3-Minute Thesis granada 2017. Músico y friki sin remedio.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *