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

• Processo: 05/02899-4
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de outubro de 2006
• Data de Término da vigência: 30 de setembro de 2010
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Carlos Eduardo Thomaz
• Beneficiário: Carlos Eduardo Thomaz
• Instituição Sede: Centro Universitário FEI (UNIFEI). Campus de São Bernardo do Campo. São Bernardo do Campo , SP, Brasil
• Município da Instituição Sede: São Bernardo do Campo
• Pesquisadores associados: Edson Amaro Junior ; Geraldo Busatto Filho ; Koichi Sameshima ; Paulo Eduardo Santos ; Wagner Farid Gattaz
• Assunto(s): Inteligência artificial Mineração de dados Cérebro
• Palavra(s)-Chave do Pesquisador: Data-Mining | Imagens Do Cerebro Humano | Computação em Imagens Médicas
• Publicação FAPESP: https://media.fapesp.br/bv/uploads/pdfs/Investindo...pesquisadores_220_175_175.pdf

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)

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)

THOMAZ, CARLOS EDUARDO; GIRALDI, GILSON ANTONIO. A new ranking method for principal components analysis and its application to face image analysis. Image and Vision Computing, v. 28, n. 6, p. 902-913, JUN 2010. (05/02899-4)

SATO, JOAO RICARDO; THOMAZ, CARLOS EDUARDO; CARDOSO, ELLISON FERNANDO; FUJITA, ANDRE; MORAIS MARTIN, MARIA DA GRACA; AMARO, JR., EDSON. Hyperplane navigation: A method to set individual scores in fMRI group datasets. NeuroImage, v. 42, n. 4, p. 1473-1480, OCT 1 2008. (05/02899-4)

THOMAZ, CARLOS EDUARDO; GIRALDI, GILSON ANTONIO; RANCHORDAS, A; ARAUJO, H. A KERNEL MAXIMUM UNCERTAINTY DISCRIMINANT ANALYSIS AND ITS APPLICATION TO FACE RECOGNITION. VISAPP 2009: PROCEEDINGS OF THE FOURTH INTERNATIONAL CONFERENCE ON COMPUTER VISION THEORY AND APPLICATIONS, VOL 1, v. N/A, p. 2-pg., 2009-01-01. (05/02899-4)

SATO, JOAO RICARDO; FUJITA, ANDRE; THOMAZ, CARLOS EDUARDO; MORAIS MARTIN, MARIA DA GRACA; MOURAO-MIRANDA, JANAINA; BRAMMER, MICHAEL JOHN; AMARO JUNIOR, EDSON. Evaluating SVM and MLDA in the extraction of discriminant regions for mental state prediction. NeuroImage, v. 46, n. 1, p. 105-114, MAY 15 2009. (05/02899-4)

THOMAZ, CARLOS EDUARDO; GIRALDI, GILSON ANTONIO; ZAVERUCHA, G; LOUREIRODACOSTA, A. Discriminant Eigenfaces: A New Ranking Method for Principal Components Analysis. Lecture Notes in Computer Science, v. 5249, p. 2-pg., 2008-01-01. (05/02899-4)

THOMAZ, CARLOS EDUARDO; DO AMARAL, VAGNER; GIRALDI, GILSON ANTONIO; KITANI, EDSON CAORU; SATO, JOAO RICARDO; GILLIES, DUNCAN FYFE; IEEE. A multi-linear discriminant analysis of 2D frontal face images. 2009 XXII BRAZILIAN SYMPOSIUM ON COMPUTER GRAPHICS AND IMAGE PROCESSING (SIBGRAPI 2009), v. N/A, p. 2-pg., 2009-01-01. (05/02899-4)

GIRALDI‚ G.A.; RODRIGUES‚ P.S.; KITANI‚ E.C.; SATO‚ J.R.; THOMAZ‚ C.E.. Statistical learning approaches for discriminant features selection. Journal of the Brazilian Computer Society, v. 14, n. 2, p. 7-22, 2008. (05/02899-4)

SANTOS‚ P.E.. Reasoning about depth and motion from an observer’s viewpoint. Spatial Cognition and Computation, v. 7, n. 2, p. 133-178, 2007. (05/02899-4)