Busca avançada
Ano de início
Entree

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
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de outubro de 2018 - 30 de setembro de 2020
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
Pesq. associados: Roger Tam
Assunto(s):Doença de Alzheimer  Redes neurais convolucionais  Ressonância magnética  Aprendizagem profunda 

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)