Desenvolvimento de técnicas de engenharia de características e aprendizagem profunda aplicadas à classificação de imagens de ressonância magnética nas classes envelhecimento cognitivo saudável, comprometimento cognitivo leve e Doença de Alzheimer

• Processo: 18/08826-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2018
• Data de Término da vigência: 31 de março de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Ricardo José Ferrari
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Município da Instituição Sede: São Carlos
• Pesquisadores associados: Roger Tam
• Assunto(s): Doença de Alzheimer Ressonância magnética Diagnóstico por computador Processamento de imagens Classificação de imagens Redes neurais convolucionais Aprendizagem profunda
• Palavra(s)-Chave do Pesquisador: aprendizagem profunda | Doença de Alzheimer | engenharia de características | Redes autocodificadoras | Redes Neurais convolucionais | Ressonância Magnética | Processamento de Imagens Médicas

Resumo

Com o envelhecimento populacional, a demência tornou-se um dos mais relevantes problemas de saúde pública mundial. Dentre os diferentes tipos de demência, a doença de Alzheimer (DA) é a mais frequente, respondendo por quase 60% dos casos. A Organização Mundial de Saúde estimou em 35,6 milhões o número de pessoas com demência em 2010, que deverá quase duplicar em 2030 (65,7 milhões) e novamente em 2050 (115,4 milhões). No Brasil, o número de pessoas com demência é estimado em cerca de um milhão. Entretanto, mesmo quando os pacientes relatam sintomas e apresentam perdas cognitivas evidentes, a demência pode não ser diagnosticada. Até 75% dos pacientes com demência e até 97% dos pacientes com transtornos cognitivos leves podem não ser diagnosticados. Novas propostas de critérios diagnósticos para a DA e a perspectivas de terapêuticas pré-demência exigem a identificação de biomarcadores que proporcionem um diagnóstico mais cedo e acurado. Portanto, esse projeto propõe o estudo de técnicas de engenharia de características e aprendizagem profunda para uso na classificação automática de imagens 3D de ressonância magnética nas classes envelhecimento cognitivo saudável (ECS), comprometimento cognitivo leve (CCL) e doença de Alzheimer (DA). Todo o desenvolvimento será realizado usando bases de imagens de domínio público e as técnicas desenvolvidas finais ficarão disponíveis para serem utilizadas por pesquisadores do Departamento de Medicina da Universidade Federal de São Carlos (UFSCar). (AU)

Publicações científicas

(8)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

POLONI, KATIA M.; DE OLIVEIRA, ITALO A. DUARTE; TAM, ROGER; FERRARI, RICARDO J.; INITI, ALZHEIMERS DIS NEUROIMAGING. Brain MR image classification for Alzheimer's disease diagnosis using structural hippocampal asymmetrical attributes from directional 3-D log-Gabor filter responses. Neurocomputing, v. 419, p. 126-135, JAN 2 2021. (18/09972-9, 18/06049-5, 18/08826-9)

DE OLIVEIRA, ITALO A. D.; POLONI, KATIA M.; FERRARI, RICARDO J.; DEHERRERA, AGS; GONZALEZ, AR; SANTOSH, KC; TEMESGEN, Z; KANE, B; SODA, P. Exploring hippocampal asymmetrical features from magnetic resonance images for the classification of Alzheimer's disease. 2020 IEEE 33RD INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS(CBMS 2020), v. N/A, p. 6-pg., 2020-01-01. (18/09972-9, 18/08826-9, 18/06049-5)

SOUZA, BRENO DA SILVEIRA; POLONI, KATIA M.; FERRARI, RICARDO J.. Detector of 3-D salient points based on the dual-tree complex wavelet transform for the positioning of hippocampi meshes in magnetic resonance images. JOURNAL OF NEUROSCIENCE METHODS, v. 341, JUL 15 2020. (18/06049-5, 18/08826-9, 17/24391-0)

FREIRE, PAULO G. L.; IDAGAWA, MARCOS HIDEKI; LOBATO DE OLIVEIRA, ENEDINA MARIA; ABDALA, NITAMAR; CARRETE JR, HENRIQUE; FERRARI, RICARDO J.; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; et al. Classification of Active Multiple Sclerosis Lesions in MRI Without the Aid of Gadolinium-Based Contrast Using Textural and Enhanced Features from FLAIR Images. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT II, v. 12250, p. 15-pg., 2020-01-01. (18/08826-9, 16/15661-0)

DA SILVA, BRUNO C. GREGORIO; FERRARI, RICARDO J.; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; BLECIC, I; TANIAR, D; APDUHAN, BO; ROCHA, AMAC; et al. Exploring Deep Convolutional Neural Networks as Feature Extractors for Cell Detection. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT II, v. 12250, p. 13-pg., 2020-01-01. (13/26171-6, 18/08826-9)

POLONI, KATIA MARIA; FERRARI, RICARDO JOSE; ALZHEIMER'S DIS NEUROIMAGING INITI. A deep ensemble hippocampal CNN model for brain age estimation applied to Alzheimer's diagnosis. EXPERT SYSTEMS WITH APPLICATIONS, v. 195, p. 12-pg., 2022-02-11. (18/06049-5, 18/08826-9)

KORB, MATHEUS MULLER; FERRARI, RICARDO JOSE; ALZHEIMER'S DIS NEUROIMAGING; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; BLECIC, I; TANIAR, D; APDUHAN, BO; et al. Automatic Positioning of Hippocampus Deformable Mesh Models in Brain MR Images Using a Weighted 3D-SIFT Technique. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT II, v. 12250, p. 16-pg., 2020-01-01. (18/08826-9)

POLONI, KATIA M.; FERRARI, RICARDO J.. utomated detection, selection and classification of hippocampal landmark points for the diagnosis of Alzheimer's diseas. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 214, FEB 2022. (18/08826-9, 18/06049-5)