Modelando banco de dados complexos: associação entre dados de imagens multi-dimensionais, variáveis clínicas e variáveis contendo informação genética

• Processo: 14/07254-0
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de junho de 2014
• Data de Término da vigência: 31 de agosto de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
• Pesquisador responsável: Jefferson Antonio Galves
• Beneficiário: Michelle Ferreira Miranda
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
• Assunto(s): Inferência estatística Aprendizado computacional Big data
• Palavra(s)-Chave do Pesquisador: big data | Functional Data Analysis | machine learning | Neuroimaging | Partial Factor Models | Tensor Decomposition | Inferência Estatística

Resumo

Os estudos relacionados com imagens cerebrais são essenciais para a compreensão do desenvolvimento de doenças neurodegenerativas e neuropsiquiátrica, e os efeitos interativos de fatores ambientais e genéticos sobre a estrutura e função o cérebro. Tais estudos têm gerado banco de dados multi-dimensionais e complexos, cuja interpretação e análise exigem uma metodologia estatísticas inovadora. O projeto de pesquisa proposto é no desenvolvimento de uma metodologia estatística que reúne técnicas de aprendizado de máquina, estratégias para pequeno tamanho de amostra e elevada dimensões dos parâmetros e modelos de fatores aleatórios, utilizados com o objetivo de enfrentar os desafios apresentados pelo tipo de dado gerado nesses estudos. A principal idéia é desenvolver um novo paradigma para a modelagem da associação entre dados de imagens (por exemplo, ressonância magnética, eletroencefalograma,etc...), variáveis clínicas e variáveis contendo informação genética. A abordagem proposta é desafiadora e as ferramentas estatísticas motivadas por esta questão têm grande potencial para diversas aplicações práticas.