Imagem, estatística e data mining: métodos computacionais para análise do cérebro humano

Resumo

O entendimento da relação entre as estruturas do cérebro humano e suas respectivas funções tem motivado ao longo do tempo diversas pesquisas e estudos científicos em todo o mundo. Com os avanços na área de neurociência e o desenvolvimento de métodos sofisticados de captura de imagens médicas, tem-se comprovado cada vez mais que determinadas estruturas neuroanatômicas do nosso cérebro são preferencialmente afetadas quando um conjunto específico de doenças ocorre. O desenvolvimento de métodos computacionais capazes de analisar morfologicamente o cérebro humano tem proporcionado a caracterização e quantificação de diferenças neuroanatômicas existentes entre amostras de controle e de pacientes. Recentemente, imagens tridimensionais (3D) de ressonância magnética (MRI) e técnicas de reconhecimento de padrões em estatística estão sendo utilizadas para classificar e descrever estruturas anatômicas do nosso cérebro. Muitos destes métodos superam a dificuldade de lidar com a inerente alta dimensionalidade dos dados 3D MRI através da utilização de imagens segmentadas ou de técnicas matemáticas de otimização que requerem um longo tempo computacional de processamento e não propiciam uma metodologia simples de visualização dos resultados no domínio original das imagens. O objetivo deste projeto é desenvolver um arcabouço integrado de detecção e interpretação de padrões em imagens médicas baseado na utilização e investigação de técnicas de alinhamento de imagens, reconhecimento de padrões em estatística, e data mining. A ideia é avaliar todos os parâmetros ou características das imagens simultaneamente ao invés de característica por característica como comumente empregado em abordagens similares recentes. A primeira parte desse projeto consiste basicamente em descrever e avaliar metodologias de estatística multivariada que identifiquem o hiperplano de maior separação entre duas populações de interesse, isto é, entre as imagens de controle e de pacientes. A segunda parte do projeto consiste em desenvolver um agente computacional capaz de assimilar os resultados do processo de classificação a fim de automaticamente investigar o conhecimento proveniente dessa separação de padrões. A descoberta automática de conhecimento pela observação visual de imagens do cérebro humano é o propósito fundamental destes métodos a serem investigados no projeto. Acreditamos que tal descoberta será útil para melhorar, e quem sabe até antecipar, diagnósticos de doenças de desordens cerebrais como esquizofrenia, Alzheimer e epilepsia. (AU)