Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/27734
DC FieldValueLanguage
dc.contributor.advisorPereira, João M. S.-
dc.contributor.authorMartins, Daniela Filipa Dias-
dc.date.accessioned2014-11-26T16:02:48Z-
dc.date.available2014-11-26T16:02:48Z-
dc.date.issued2014-07-
dc.identifier.citationMartins, Daniela Filipa Dias/Gaussianization methods for structural brain imagingpor
dc.identifier.urihttps://hdl.handle.net/10316/27734-
dc.descriptionDissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.pt
dc.description.abstractA Neuroimagem, nomeadamente a estrutural, constitui uma vasta área de estudo atualmente, uma vez que permite o diagnóstico de doenças neurodegenerativas através de técnicas de imagiologia da estrutura do cérebro, nomeadamente através da Imagem por Ressonância Magnética. O método usado neste trabalho para efeitos de análises morfométricas da estrutura do cérebro foi o Voxel-Based Morphometry (VBM), que tem como resultado final um mapa de parâmetros estatísticos que permite inferir sobre a existência de alterações a nível do volume de matéria cinzenta, comparando um grupo de sujeitos controlo com um grupo de sujeitos com alguma patologia que possa estar associada a atrofia cerebral. A implementação desta técnica implica o registo das imagens de diferentes sujeitos e da respetiva segmentação para extração da matéria cinzenta, relevante para a análise. Os resultantes segmentos registados de matéria cinzenta têm de ser suavizados de modo a garantir a distribuição Gaussiana dos voxels das imagens, para que os testes estatísticos paramétricos posteriores sejam válidos. O método standard de Gaussianização baseia-se numa suavização que “esborrata” as imagens, diminuindo a capacidade do VBM para detetar pequenas regiões cerebrais afetadas, perdendo resolução e especificidade anatómica. Surge assim a necessidade de desenvolver técnicas alternativas de Gaussianização, o objetivo deste trabalho. Para este efeito, foram desenvolvidos dois métodos principais: i) um baseado na manipulação dos histogramas das imagens; e ii) outro baseado na deformação Gaussiana das imagens. Todos os métodos foram implementados em Matlab. A avaliação da normalidade foi efetuada por análise de resíduos resultantes da aplicação do modelo linear geral, e o impacto regional e visual foi realizado com base em análises VBM com sujeitos em que as regiões atróficas reais eram conhecidas. Verificou-se que, em geral, os métodos desenvolvidos apresentaram resultados positivos tanto a nível de Gaussianização dos dados como a nível de precisão anatómica dos mapas estatísticos finais quando comparados com os métodos atualmente em uso, ainda que o uso de máscaras relativas tenha limitado a comparabilidade dos métodos. Esta questão, bem como a avaliação quantitativa da preservação da anatomia conseguida pelos novos métodos, deve ser analisada em trabalho futuro. Palavras-chave: Ressonância Magnética, Gaussianização, Voxel-Based Morphometry, Matéria Cinzentapt
dc.language.isoengpt
dc.rightsopenAccesspt
dc.subjectEngenharia biomédicapt
dc.subjectCérebropt
dc.subjectRessonância magnéticapt
dc.subjectMétodos gaussianospt
dc.titleGaussianization methods for structural brain imagingpt
dc.typemasterThesispt
degois.publication.locationCoimbrapt
dc.peerreviewedYespor
dc.date.embargo2014-07-01*
dc.identifier.tid201535203pt
thesis.degree.grantor00500::Universidade de Coimbrapt
thesis.degree.nameMestrado em Engenharia Biomédicapt
uc.rechabilitacaoestrangeiranopt
uc.date.periodoEmbargo0pt
item.openairetypemasterThesis-
item.languageiso639-1en-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
item.grantfulltextopen-
item.fulltextCom Texto completo-
crisitem.advisor.researchunitCNC - Center for Neuroscience and Cell Biology-
crisitem.advisor.orcid0000-0002-8800-9784-
Appears in Collections:UC - Dissertações de Mestrado
FCTUC Física - Teses de Mestrado
Files in This Item:
File Description SizeFormat
tese.pdf2.45 MBAdobe PDFView/Open
Show simple item record

Page view(s) 50

423
checked on Mar 26, 2024

Download(s)

97
checked on Mar 26, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.