Auxílio diagnóstico para doença de Alzheimer utilizando o modelo de rede neural bioinspirada

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFurucho, Mariana Antonia Aguiar-
Autor(es): dc.contributorFurucho, Mariana Antonia Aguiar-
Autor(es): dc.contributorRosa, Marcelo de Oliveira-
Autor(es): dc.contributorFurucho, Rogerio Akira-
Autor(es): dc.creatorBrenner, Gabriel Antonio Stanque-
Autor(es): dc.creatorSerenatto, José Hugo-
Autor(es): dc.creatorCasimiro, Tatuane Nepomuceno-
Data de aceite: dc.date.accessioned2025-08-29T12:53:16Z-
Data de disponibilização: dc.date.available2025-08-29T12:53:16Z-
Data de envio: dc.date.issued2024-03-07-
Data de envio: dc.date.issued2024-03-07-
Data de envio: dc.date.issued2022-12-06-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/33537-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1103653-
Descrição: dc.descriptionDue to the increase in life expectancy of the world’s population and as the probability of developing neurodegenerative diseases increases with aging, concern about these diseases is growing. It is estimated that in the next 30 years the number of people with this type of disease will at least double. Among the types of neurodegenerative diseases, Alzheimer’s disease is the most common, which causes memory loss and affects motor capacity. However, currently, there is no cure for the disease, and it is only possible to delay the progression of the disease. Furthermore, as it is a neurological disease, many tests are needed for confirmation the diagnosis, which makes it complex. Therefore, to facilitate this diagnosis, the purpose of this work is to train a neural network that is capable of correctly classifying the level of hippocampal atrophy, one of the biomarkers of Alzheimer’s disease, by comparing data extracted from magnetic resonance images extracted from the Alzheimer’s Disease Neuroimaging Initiative database. Using the Multilayer Perceptron and Koniocortex neural networks, it is intended to evaluate whether the image data corresponds to the data of positive diagnoses for Alzheimer’s disease. The results obtained in the Multilayer Perceptron network were 89.79% correct in the training base and 79.26% correct in the test base with unpublished data. The Koniocortex network presented difficulties in execution and presented similar result patterns for the two diagnoses, which may suggest that the base data could be better defined. Thus, in this work advances are made in research for low-cost diagnostic aid for Alzheimer’s disease.-
Descrição: dc.descriptionDevido ao aumento da expectativa de vida da população mundial e como a probabilidade de o desenvolvimento de doenças neurodegenerativas aumenta com o envelhecimento, a preocupação com estas doenças está em crescimento. Estima-se que nos próximos 30 anos o número de pessoas com esse tipo de doença, no mínimo, dobre. Dentre os tipos de doenças neurodegenerativas, a doença de Alzheimer é a mais comum, a qual provoca perdas na memória e afeta a capacidade motora. Entretanto, atualmente, não há cura para a doença, sendo somente possível retardar o avanço da doença. Ademais, por se tratar de uma doença neurológica, são necessários muitos exames para que haja uma confirmação, o que torna o diagnóstico complexo. Por isso, visando facilitar este diagnóstico, a proposta deste trabalho é treinar uma rede neural que seja capaz de classificar corretamente o nível de atrofia do hipocampo. Um dos biomarcadores da doença de Alzheimer através da comparação de dados extraídos de imagens de ressonâncias magnéticas extraídas da base de dados da Iniciativa de Neuroimagem da Doença de Alzheimer. Usando as redes neurais Multilayer Perceptron e Koniocortex, pretende-se avaliar se os dados das imagens são correspondentes aos dados de diagnósticos positivos para doença de Alzheimer. Os resultados obtidos na rede Multilayer Perceptron foram de 89,79% de acertos na base de treinamento e 79,26% de acertos na base de teste com dados inéditos. A rede Koniocortex apresentou dificuldades na execução e tanto em pessoas com a doença quanto em pessoas saudáveis os padrões de resultados foram similares para os dois diagnósticos, o que pode sugerir que os dados da base poderiam estar mais bem definidos. Deste modo, neste trabalho são feitos avanços nas pesquisas para auxílio diagnóstico de baixo custo para a doença de Alzheimer.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/-
Palavras-chave: dc.subjectAlzheimer, Doença de - Diagnóstico-
Palavras-chave: dc.subjectImagem de ressonância magnética-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectAlzheimer's disease - Diagnosis-
Palavras-chave: dc.subjectMagnetic resonance imaging-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA-
Título: dc.titleAuxílio diagnóstico para doença de Alzheimer utilizando o modelo de rede neural bioinspirada-
Título: dc.titleDiagnostic aid for Alzheimer’s disease using the bio-inspired neural network model-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.