Estimativa da idade cerebral e classificação diagnóstica na doença de Alzheimer via campos de deformação em imagens de ressonância magnética
| dc.contributor.advisor-co1 | Liziér, Mario Augusto de Souza | |
| dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/1257131701222446 | |
| dc.contributor.advisor-co1orcid | https://orcid.org/0000-0001-9123-5822 | |
| dc.contributor.advisor1 | Ferrari, Ricardo José | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8460861175344306 | |
| dc.contributor.advisor1orcid | https://orcid.org/0000-0003-1197-2553 | |
| dc.contributor.author | Andrade, Leandro Prado de | |
| dc.contributor.authorlattes | http://lattes.cnpq.br/6280032570953598 | |
| dc.contributor.authororcid | https://orcid.org/0000-0001-9405-906X | |
| dc.contributor.referee | Valejo, Alan Demétrius Baria | |
| dc.contributor.referee | Oliveira, Lucas Ferrari de | |
| dc.contributor.referee | Fernandes, Ricardo Augusto Souza | |
| dc.contributor.referee | Travençolo, Bruno Augusto Nassif | |
| dc.contributor.refereeLattes | http://lattes.cnpq.br/9546164790189830 | |
| dc.contributor.refereeLattes | http://lattes.cnpq.br/3534918669459073 | |
| dc.contributor.refereeLattes | http://lattes.cnpq.br/0880243208789454 | |
| dc.contributor.refereeLattes | http://lattes.cnpq.br/2590427557264952 | |
| dc.contributor.refereeorcid | https://orcid.org/0000-0002-9046-9499 | |
| dc.contributor.refereeorcid | https://orcid.org/0000-0002-8198-0877 | |
| dc.contributor.refereeorcid | https://orcid.org/0000-0003-2361-6505 | |
| dc.contributor.refereeorcid | https://orcid.org/0000-0001-7690-301X | |
| dc.date.accessioned | 2026-09-24T12:51:24Z | |
| dc.date.issued | 2026-09-14 | |
| dc.description.abstract | Alzheimer’s disease is a progressive neurodegenerative condition and the leading cause of dementia in the elderly population, highlighting the need for computational methods sensitive to subtle brain alterations. This thesis proposes a framework for structural magnetic resonance imaging analysis based on morphological attributes derived from deformation fields estimated by deformable registration of individual images to population templates built using groupwise registration. The approach combines a multi-region analysis of brain structures, 3D Shape Context descriptors, Jacobian determinants, the strain tensor, and machine learning. The first contribution estimates brain age in cognitively normal individuals, achieving a mean absolute error of 1.66 years for males and 1.81 years for females, with coefficients of determination of 0.84 and 0.80, respectively. The second contribution is a multi-region classification framework for distinguishing cognitively normal individuals, subjects with mild cognitive impairment, and patients with Alzheimer’s disease, achieving an AUC of 0.93 and an accuracy of 88.68% for males, and an AUC of 0.94 with an accuracy of 87.89% for females in the classification between cognitively normal individuals and Alzheimer’s patients. The third contribution proposes a graph-based approach for identifying progressive mild cognitive impairment, integrating displacement attributes, Jacobian volumetric variation, and local strain into a fixed population-level topology processed by a Graph Attention Network. This approach achieved an AUC of 0.92, an accuracy of 81.21%, and an F1-score of 0.79 for males, and an AUC of 0.88, an accuracy of 78.41%, and an F1-score of 0.73 for females. Taken together, the results indicate that morphological attributes derived from deformation fields can characterize brain aging, discriminate diagnostic groups, and contribute to differentiating individuals with stable and progressive mild cognitive impairment. | eng |
| dc.description.resumo | A doença de Alzheimer é uma condição neurodegenerativa progressiva e a principal causa de demência na população idosa, reforçando a necessidade de métodos computacionais sensíveis a alterações cerebrais sutis. Esta tese propõe um framework para análise de imagens de ressonância magnética estrutural baseado em atributos morfológicos derivados de campos de deformação estimados pelo corregistro deformável de imagens individuais com templates populacionais construídos por groupwise registration. A abordagem combina análise multirregional de estruturas cerebrais, descritores 3D Shape Context, determinantes Jacobianos, tensor de deformação e aprendizado de máquina. A primeira contribuição estima a idade cerebral em indivíduos cognitivamente normais, com erro absoluto médio de 1,66 anos para homens e 1,81 anos para mulheres, e coeficientes de determinação de 0,84 e 0,80, respectivamente. A segunda contribuição é um framework de classificação multirregional para diferenciar indivíduos cognitivamente normais, com comprometimento cognitivo leve e com doença de Alzheimer, obtendo AUC de 0,93 e acurácia de 88,68% em homens, e AUC de 0,94 com acurácia de 87,89% em mulheres na discriminação entre indivíduos cognitivamente normais e pacientes com Alzheimer. A terceira contribuição propõe uma abordagem em grafos para identificar comprometimento cognitivo leve progressivo, integrando atributos de deslocamento, variação volumétrica Jacobiana e strain local em uma topologia populacional fixa processada por uma Graph Attention Network, com AUC de 0,92, acurácia de 81,21% e F1-score de 0,79 para homens, e AUC de 0,88, acurácia de 78,41% e F1-score de 0,73 para mulheres. Em conjunto, os resultados indicam que atributos morfológicos derivados de campos de deformação podem caracterizar o envelhecimento cerebral, discriminar grupos diagnósticos e contribuir para a diferenciação entre indivíduos com comprometimento cognitivo leve estável e progressivo. | por |
| dc.description.sponsorship | Não recebi financiamento | |
| dc.identifier.citation | ANDRADE, Leandro Prado de. Estimativa da idade cerebral e classificação diagnóstica na doença de Alzheimer via campos de deformação em imagens de ressonância magnética. 2026. Tese (Doutorado em Ciência da Computação) – Universidade Federal de São Carlos, Campus São Carlos, 2026. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/24739. | * |
| dc.identifier.uri | https://hdl.handle.net/20.500.14289/24739 | |
| dc.language.iso | por | |
| dc.publisher | Universidade Federal de São Carlos | |
| dc.publisher.address | Campus São Carlos | |
| dc.publisher.center | Centro de Ciências Exatas e de Tecnologia - CCET | |
| dc.publisher.initials | UFSCar | |
| dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | |
| dc.relation.uri | https://ieeexplore.ieee.org/document/11162537 | |
| dc.relation.uri | https://ieeexplore.ieee.org/document/11058721 | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | doença de Alzheimer | por |
| dc.subject | ressonância magnética | por |
| dc.subject | campos de deformação | por |
| dc.subject | determinante Jacobiano | por |
| dc.subject | tensor de deformação | por |
| dc.subject | 3D Shape Context | por |
| dc.subject | idade cerebral | por |
| dc.subject | comprometimento cognitivo leve | por |
| dc.subject | aprendizado de máquina | por |
| dc.subject | redes neurais em grafos | por |
| dc.subject | Alzheimer’s disease | eng |
| dc.subject | magnetic resonance imaging | eng |
| dc.subject | deformation fields | eng |
| dc.subject | Jacobian determinant | eng |
| dc.subject | strain tensor | eng |
| dc.subject | 3D Shape Context | eng |
| dc.subject | brain age | eng |
| dc.subject | mild cognitive impairment | eng |
| dc.subject | machine learning | eng |
| dc.subject | graph neural networks | eng |
| dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | |
| dc.subject.ods | 3. Saúde e Bem-Estar | |
| dc.title | Estimativa da idade cerebral e classificação diagnóstica na doença de Alzheimer via campos de deformação em imagens de ressonância magnética | por |
| dc.title.alternative | Brain age estimation and diagnostic classification in Alzheimer’s disease using deformation fields in magnetic resonance images | eng |
| dc.type | Tese |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- tese_Leandro_Prado_de_Andrade_ufscar_final.pdf
- Tamanho:
- 8.4 MB
- Formato:
- Adobe Portable Document Format