Imagem, estatística e data mining: métodos computacionais para análise do cérebro ...
- Auxílios pontuais (curta duração)
| Processo: | 10/01994-1 |
| Linha de fomento: | Bolsas no Brasil - Iniciação Científica |
| Vigência (Início): | 01 de agosto de 2010 |
| Vigência (Término): | 31 de dezembro de 2011 |
| Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
| Pesquisador responsável: | Luciano da Fontoura Costa |
| Beneficiário: | Krissia de Zawadzki |
| Instituição-sede: | Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Vinculado ao auxílio: | 05/00587-5 - Modelagem por redes (grafos) e técnicas de reconhecimento de padrões: estrutura, dinâmica e aplicações, AP.TEM |
| Assunto(s): | Análise de imagens Neurociências Reconhecimento de padrões Reconhecimento de imagem Bases de dados Neurônios |
Resumo A necessidade de se obter cada vez mais informações sobre as estruturas e mecanismos que embasam o sistema nervoso favoreceu o desenvolvimento de pesquisas apoiadas por recursos computacionais. Nesse contexto de interdisciplinaridade, abordagens como o estudo sistemático da forma das células neurais foram beneficiadas com a incorporação de análises como estatística multivariada e reconhecimento de padrões. O presente projeto propõe a exploração sistemática dos milhares de neurônios existentes na base de dados pública denominada NeuroMorpho, utilizando-se métodos estabelecidos de caracterização morfológica e classificação. Nossa abordagem será primeiramente voltada às medidas já disponíveis no repositório. Em seguida, pretendemos expandir a análise do conjunto inicial de dados, adquirindo medidas sofisticadas sobre as imagens bidimensionais da base, tais como geometria fractal, lacunaridade e granulometria. No que se refere à interpretação estatística e à identificação de grupos, utilizaremos correlações entre medidas, análise de componentes principais (PCA) e discriminante canônica (LDA). A classificação, por sua vez, envolverá métodos de agrupamentos não-supervisionados, em particular k-médias e aglomeração hierárquica de Ward, e serão aplicados tanto nos dados disponíveis na base, como também nas novas medidas, confrontando-se os resultados fornecidos por ambos os conjuntos. Apresentaremos também a comparação dos agrupamentos obtidos de maneira a verificar as contribuições de cada medida para a classificação, a avaliação de até que ponto as classes originais refletem as características morfológicas das células e a possível presença de subgrupos morfológicos. (AU) | |