Uso de redes complexas na detecção automática, no diagnóstico e na classificação da Doença de Alzheimer

• Processo: 18/25358-9
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de abril de 2019
• Data de Término da vigência: 31 de março de 2021
• Área do conhecimento: Engenharias - Engenharia Biomédica
• Pesquisador responsável: Andriana Susana Lopes de Oliveira Campanharo
• Beneficiário: Andriana Susana Lopes de Oliveira Campanharo
• Instituição Sede: Instituto de Biociências (IBB). Universidade Estadual Paulista (UNESP). Campus de Botucatu. Botucatu , SP, Brasil
• Assunto(s): Doença de Alzheimer Redes complexas
• Palavra(s)-Chave do Pesquisador: Doença de Alzheimer | Grafos de quantis | Mapeamento de séries temporais em redes complexas | Processamento e Análise de séries temporais de EEG | Redes Complexas | Simulações Computacionais | Processamento e análise de sinais fisiológicos

Resumo

A doença de Alzheimer (DA) pode ser entendida como uma demência degenerativa e progressiva do Sistema Nervoso Central, irreversível e de causa desconhecida. Tal doença é caracterizada, principalmente, pela deterioração intelectual acelerada e por perda de memória e desorientação no tempo e no espaço. A DA é a principal demência entre os idosos com mais de 65 anos e afeta, aproximadamente, 25 milhões de indivíduos em todo o mundo. Atualmente, o diagnóstico preciso da DA pode ser feito apenas por meio de um exame do tecido cerebral obtido por biopsia ou necropsia. Como somente após a morte do paciente pode-se ter a certeza que o mesmo tinha a DA, seu diagnóstico aproximado é feito excluindo-se outras causas de demência pelo histórico clínico do paciente. Em paralelo, estudos têm sido desenvolvidos para o estudo da DA com base de dados de EletroEncefalograma (EEG), e nesse sentido, diversos métodos de análise de dados de EEG têm sido propostos. Contudo, o estudo da DA por meio de dados de EEG é ainda um desafio, e consequentemente, faz-se necessária a utilização de novos métodos com o intuito de capturar informações adicionais da doença. Nesse sentido, no presente projeto de pesquisa deseja-se utilizar o mapeamento de uma série temporal em uma rede complexa proposto recentemente por Campanharo et al., em uma aplicação inédita, ou seja, no estudo da dinâmica de séries temporais de EEG de pacientes com a DA. Mais especificamente, na distinção entre envelhecimento e a DA, na detecção das regiões mais afetadas do cérebro pela DA e na classificação dos estágios da DA em pacientes doentes. (AU)

Publicações científicas

(7)

(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)

TOMANIK, GUSTAVO H.; BETTING, LUIZ E.; CAMPANHARO, ANDRIANA S. L. O.; ROJAS, I; JOYA, G; CATALA, A. Automatic Identification of Interictal Epileptiform Discharges with the Use of Complex Networks. ADVANCES IN COMPUTATIONAL INTELLIGENCE, IWANN 2019, PT I, v. 11506, p. 10-pg., 2019-01-01. (17/09216-7, 16/17914-3, 18/25358-9, 18/02014-2)

PINTO, EDUARDO R.; NEPOMUCENO, ERIVELTON G.; CAMPANHARO, ANDRIANA S. L. O.; COTA, VR; BARONE, DAC; DIAS, DRC; DAMAZIO, LCM. Influence of Contact Network Topology on the Spread of Tuberculosis. COMPUTATIONAL NEUROSCIENCE, v. 1068, p. 8-pg., 2019-01-01. (18/25358-9)

E. R. PINTO; E. G. NEPOMUCENO; A. S. L. O. CAMPANHARO. Impact of network topology on the spread of infectious diseases. TEMA (São Carlos), v. 21, n. 1, p. 95-115, 2020-04-30. (18/25358-9)

PINEDA, ARUANE MELLO; RAMOS, FERNANDO M.; BETTING, LUIZ EDUARDO; CAMPANHARO, ANDRIANA S. L. O.; ROJAS, I; JOYA, G; CATALA, A. Use of Complex Networks for the Automatic Detection and the Diagnosis of Alzheimer's Disease. ADVANCES IN COMPUTATIONAL INTELLIGENCE, IWANN 2019, PT I, v. 11506, p. 12-pg., 2019-01-01. (16/17914-3, 18/25358-9)

PINEDA, ARUANE M.; RAMOS, FERNANDO M.; BETTING, LUIZ EDUARDO; CAMPANHARO, ANDRIANA S. L. O.. Quantile graphs for EEG-based diagnosis of Alzheimer's disease. PLoS One, v. 15, n. 6, JUN 5 2020. (16/17914-3, 20/04989-0, 18/25358-9)

VICCHIETTI, MARIO L.; RAMOS, FERNANDO M.; BETTING, LUIZ E.; CAMPANHARO, ANDRIANA S. L. O.. Computational methods of EEG signals analysis for Alzheimer's disease classification. SCIENTIFIC REPORTS, v. 13, n. 1, p. 14-pg., 2023-05-20. (23/04214-7, 18/25358-9)

E. R. PINTO; E. G. NEPOMUCENO; J. KUSAK; A. S. L. O. CAMPANHARO. EPIGUI: Graphical User Interface for Simulating Epidemics on Networks. Trends in Computational and Applied Mathematics, v. 24, n. 1, p. 91-120, 2023-03-27. (18/25358-9)