| Summary: | Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2015. === Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-06-14T18:11:16Z
No. of bitstreams: 1
2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) === Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-07-21T19:39:10Z (GMT) No. of bitstreams: 1
2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) === Made available in DSpace on 2016-07-21T19:39:10Z (GMT). No. of bitstreams: 1
2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) === A Esquizofrenia constitui um transtorno psíquico grave, apresentando manifestações em geral no final da adolescência e sendo um grande enigma, por não serem conhecidas suas causas concretas. Os transtornos esquizofrênicos caracterizam-se geralmente por deformidade nas características do pensamento e de percepção do real. O diagnóstico da doença é estritamente clínico e feito pelo psiquiatra com base na anamnese do paciente. O diagnóstico precoce dessa doença é essencial para o bem-estar do paciente e de seus familiares, trazendo melhor controle dos sintomas e melhor convívio social. Entretanto, o diagnóstico é muito complexo, pois os sintomas variam com o tempo e de pessoa para pessoa, e os indivíduos muitas vezes não se consideram doentes. Consequentemente, é comum que o tratamento se inicie tardiamente, quando a qualidade de vida já foi impactada. Por outro lado, evidências recentes descritas na literatura científica sugerem alterações anatômicas perceptíveis no cérebro de pacientes esquizofrênicos. Essas evidências são passíveis de serem observadas em imagens estruturais de ressonância magnética nuclear, o que sugere a utilização deste tipo de imagem para auxílio de diagnóstico. Nesse contexto, esta pesquisa propõe o desenvolvimento e a avaliação de um sistema para classificação de imagens de ressonância magnética para auxiliar de forma coadjuvante o diagnóstico clínico da doença. Neste sentido, foi realizado um plano de procedimentos para o desenvolvimento do classificador com base em máquinas de suporte vetorial (SVM, do inglês support vector machines) aplicadas às características de imagens de ressonância magnética extraídas de um único corte do plano axial. Desse modo, os procedimentos experimentais abrangem a escolha do corte axial, os pontos de extração, normalizações dos dados, análise MANOVA, testes de hipótese para escolha das estruturas anatômicas mais relevantes à classificação, treinamento do classificador de padrões em SVM e validações do classificador pela análise das medidas estatísticas de desempenho (verdadeiros positivos, verdadeiros negativos, falsos positivos, falsos negativos, acurácia, precisão, sensibilidade e especificidade). Foram realizadas comparações estatísticas entre as dimensões anatômicas de pacientes controles e esquizofrênicos, tanto em valores absolutos quanto em valores relativos às dimensões do cérebro. Neste último caso, foram testados quatro tipos de normalização das medidas -- considerando (i) a distância entre os pontos extremos do cérebro na vertical da imagem no corte analisado (altura), (ii) a distância entre os pontos extremos do cérebro na horizontal da imagem no corte analisado (largura), (iii) a norma dos comprimentos associados à altura e à largura, (iv) a dimensão (dentre altura e largura) na dimensão mais alinhada com cada estrutura anatômica em estudo. Os melhores resultados de classificação foram obtidos utilizando a normalização (i) de cada medida, e selecionando para o classificador apenas as estruturas para as quais haviam sido encontradas diferenças estatisticamente significativas entre esquizofrênicos e não-esquizofrênicos (com p < 0,05). O classificador submetido a estas entradas foi treinado com um percentual de todas as imagens disponíveis no banco de dados -foram avaliados os treinamentos com 60%, 65%, 70%, 80% das imagens. Para cada percentual, foram usadas para o treinamento até 50000 combinações de imagens de treinamento, e selecionou-se o sistema melhor treinado para a validação do sistema com as imagens não usadas no treinamento. Nessa situação, a taxa de erro do sistema melhor treinado foi de 6,7%. Assim, pode-se sugerir a utilização desta metodologia de classificação de esquizofrenia como exame complementar para auxiliar o diagnóstico clínico. Desse modo, compete frisar a importância do diagnóstico precoce nesses casos, para agilizar o procedimento terapêutico e preservar a qualidade de vida do paciente e dos seus familiares. ________________________________________________________________________________________________ ABSTRACT === Schizophrenia is a psychic disorder, presenting it's symptoms generally at the end of the adolescence and being a wide enigma due to the fact of the not well known concrete causes of it. The schizophrenia's disorders are characterized, in general, as a deformed perception of the reality and character of thinking. The diagnosis of the disease is strictly clinical and made by a psychiatrist, based on the anamneses of the patient. The premature diagnosis of this disease is essential for a comfortable life for the patient and its familiars, bringing improvements on the control of the symptoms and better social life's interactions. Indeed, the diagnosis is very complex because the symptoms change through the time and through the people, and the patients, mostly don't consider themselves as sick. Consequently, it's common that the treatment starts later than it should, and then the life quality of the person had already been impacted. Looking from another point, recent evidences described on the scienti_c literature propose perceptible anatomic changes on the schizophrenia patients brains. Those evidences are insusceptible of being observed on structure images of the nuclear magnetic resonance, that proposes the usage of this type of image to help the diagnosis. In that context, this research proposes the development and evaluation of a system for classifying the magnetic resonance's images to assist, in a supporting way ,the clinical diagnosis of the disease. In this sense, it has been made a proceedings project for the development of a classi_er based on support vector machines(SVM) applied to the magnetic resonance's pictures cut from a singular axial frame. In that way, the experimental proceedings cover the action of choosing the axial cut, the extraction points, the data normalization, MANOVA test,the hypothetical test to select the most relevant anatomic structures for the classi_cation, the classi_er of standards' training on SVM and validations of the classi_er by the analysis of the statistics of behavior's measures (true positives, true negatives, false positives, false negatives, accuracy, precision, sensibility and speci_city). Statistics comparisons between anatomic dimensions of control patients and the schizophrenic ones, were made both in absolute values and relative values to the brain's dimensions. In that last case, were tested four types of measure's normalizations-considering ;(i) the distance between the extreme points of the brain, on vertical at the analyzed cut's picture; (ii) the distance between the extreme point of the brain, on horizontal at the analyzed cut's picture (width); (iii) the length's norm associated by the height and the width;(iv) the dimension(between height and width) on the dimension more aliened with each anatomic structure in study. The best results of classi_cation were gotten using the normalization (i) of each measure, and selecting for the classi_er, only the structures which has been found statistically signi_cant di_erences between schizophrenics and non schizophrenics (with p<0,05). The classi_er submitted at these entries, were trained with a percentage of every image available at the data bank- were evaluated the trainings with 60%, 65%, 70%, and 80% of the images. For each percentage, were explored for the training up to 50000 combination of training images, and the best trained system was selected for the validation of the system with the non used pictures at the training. In that situation, the error rate of the best trained system was of 6,7%. Therefore, it can be suggested the utilization of this methodology of classi_cation of the schizophrenia as a trigger for supporting the clinical diagnosis. In that way, it is important to crimp the importance of the premature diagnosis in those cases, for making the therapeutic proceeding faster and maintaining the life's quality of the patient and its belongings.
|
|---|
