Busca avançada
Ano de início
Entree

Desenvolvimento de Deep Belief Networks voltadas para o suporte ao diagnóstico de transtornos psiquiátricos

Processo: 13/05168-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de julho de 2013
Vigência (Término): 01 de dezembro de 2016
Área do conhecimento:Interdisciplinar
Pesquisador responsável:João Ricardo Sato
Beneficiário:Walter Hugo Lopez Pinaya
Instituição-sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
Bolsa(s) vinculada(s):15/14993-7 - Desenvolvimento de Deep Belief Networks voltadas para o suporte ao diagnóstico de transtornos psiquiátricos de bases de dados públicas de grande escala, BE.EP.DR
Assunto(s):Biomarcadores   Diagnóstico por computador   Distúrbios psicológicos

Resumo

A neurociência tem servido de base para uma maior compreensão de fenômenos ligados ao funcionamento do cérebro. Seu desenvolvimento contribui com vários campos da medicina, como a psiquiatria, que atualmente ainda realiza um trabalho diagnóstico muito subjetivo. Assim qualquer informação objetiva vinculada aos substratos neurais de transtornos psiquiátricos são de grande valia como complemento para os métodos diagnósticos convencionais. Várias pesquisas buscam marcadores biológicos, utilizando técnicas de neuroimagem e genética. Como essas técnicas de investigação criam grandes volumes de dados, algoritmos de aprendizagem são indicados para avaliar as pequenas variações relacionadas a distúrbios psiquiátricos, porém a maioria dos estudos realizados até então obtiveram resultados modestos, uma vez que trabalham com amostras relativamente pequenas. Este projeto será baseado em um dos modelos mais modernos que utilizam aprendizagem de máquina, as Deep Belief Networks, que tem gerado resultados promissores por obter desempenhos superiores a de outras ferramentas. Este modelo permite implementar redes neurais artificiais com múltiplas camadas ocultas, obtendo resultados promissores em grandes bases de treinamento. Este projeto irá introduzir esta abordagem na análise de marcadores objetivos para fornecer suporte ao diagnóstico de transtornos psiquiátricos utilizando bases de dados com centenas de indivíduos. (AU)

Publicações científicas
(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)
DE MOURA, ADRIANA MIYAZAKI; LOPEZ PINAYA, WALTER HUGO; GADELHA, ARY; ZUGMAN, ANDRE; NOTO, CRISTIANO; CORDEIRO, QUIRINO; BELANGERO, SINTIA IOLE; JACKOWSKI, ANDREA P.; BRESSAN, RODRIGO A.; SATO, JOAO RICARDO. Investigating brain structural patterns in first episode psychosis and schizophrenia using MRI and a machine learning approach. PSYCHIATRY RESEARCH-NEUROIMAGING, v. 275, p. 14-20, MAY 30 2018. Citações Web of Science: 0.
VIEIRA, SANDRA; PINAYA, WALTER H. L.; MECHELLI, ANDREA. Using deep learning to investigate the neuroimaging correlates of psychiatric and neurological disorders: Methods and applications. NEUROSCIENCE AND BIOBEHAVIORAL REVIEWS, v. 74, n. A, p. 58-75, MAR 2017. Citações Web of Science: 70.
PINAYA, WALTER H. L.; GADELHA, ARY; DOYLE, ORLA M.; NOTO, CRISTIANO; ZUGMAN, ANDRE; CORDEIRO, QUIRINO; JACKOWSKI, ANDREA P.; BRESSAN, RODRIGO A.; SATO, JOAO R. Using deep belief network modelling to characterize differences in brain morphometry in schizophrenia. SCIENTIFIC REPORTS, v. 6, DEC 12 2016. Citações Web of Science: 19.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.