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.