Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales

La morfometría individual basada en voxel (MIBV) es una técnica para el estudio de cambios morfométricos cerebrales a partir de imágenes de resonancia magnética. Su principal ventaja sobre la morfometría basada en voxel clásica (MBV) es que permite estudiar a los sujetos de manera individual. Sin em...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Kulsgaard, Hernán Claudio
Formato: Artículo revista
Lenguaje:Español
Publicado: Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas 2022
Materias:
MIBV
Morfométricos cerebrales
Resonancia magnética
Técnicas computacionales
Esclerosis hipocampal
Tesis de doctorado
Acceso en línea:Kulsgaard, H. C. (2022). Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
Aporte de:
Repositorio Institucional de Acceso Abierto (RIDAA) de Universidad Nacional del Centro
id I21-R190-123456789-3276
record_format ojs
spelling I21-R190-123456789-32762023-05-31T12:00:35Z Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales Kulsgaard, Hernán Claudio Larrabide, Ignacio MIBV Morfométricos cerebrales Resonancia magnética Técnicas computacionales Esclerosis hipocampal Tesis de doctorado La morfometría individual basada en voxel (MIBV) es una técnica para el estudio de cambios morfométricos cerebrales a partir de imágenes de resonancia magnética. Su principal ventaja sobre la morfometría basada en voxel clásica (MBV) es que permite estudiar a los sujetos de manera individual. Sin embargo, su aplicabilidad se ve limitada por la gran cantidad de falsos positivos que produce. Por esta razón, sus aspectos de configuración no han sido estudiados tan exhaustivamente como en MBV. Para abordar esta problemática, primero se realizo un estudio de MIBV sobre sujetos sanos para analizar los falsos positivos y la influencia del tamaño de grupo control y núcleo de suavizado. Segundo, se evaluó la sensibilidad de MIBV sobre sujetos con atrofias simuladas en distintas regiones y tamaños, analizando la influencia del nucleó de suavizado. Tercero, se estudio la sensibilidad y especificidad de MIBV sobre pacientes con esclerosis hipocampal. Cuarto, se desarrollo una metodología basada en aprendizaje de maquina para la reducción de falsos positivos. Se concluyo que los aspectos de configuración de MIBV son determinantes para el rendimiento en la detección de cambios morfológicos. Se pudieron determinar los lımites de rendimiento de MIBV. Finalmente, se demostró que es posible reducirlos falsos positivos, preservando los verdaderos positivos mediante aprendizaje de maquina. Fil: Kulsgaard, Hernán Claudio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina. Single Subject Voxel Based Morphometry (SS-VBM) is a methodology for the analysis of brain morphological changes using magnetic resonance imaging. Unlike classic VBM, this technique allows single case studies. However, its applicabilityis limited by the excessively large number of false positives that produces. Forthat reason, its configuration aspects have not been studied as exhaustively as inVBM. To address this issue, first, a SS-VBM study was conducted on healthy subjects to analyze false positives and the influence of control group and smoothing kernelsize. Second, the sensitivity of SS-VBM was evaluated on subjects with simulated atrophies in different regions and sizes, analyzing the influence of the smoo thing kernel. Third, the sensitivity and specificity of SS-VBM was evaluated on patientswith hippocampal sclerosis. Fourth, a methodology based on machine learning was developed for the reduction of false positives. The configuration aspects in SS-VBM were shown to be a crucial factors for the detection performance of morphological changes. In addition, the performancelimits of the methodology could be determined. Finally, it was shown that it ispossible to reduce false positives while preserving true positives using machinelearning. 2022-09 2022-10-18T12:58:56Z 2022-10-18T12:58:56Z info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/acceptedVersion Kulsgaard, H. C. (2022). Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. https://doi.org/10.52278/3276 https://www.ridaa.unicen.edu.ar/handle/123456789/3276 spa http://creativecommons.org/licenses/by-nc/2.5/ar/ info:eu-repo/semantics/openAccess application/pdf application/pdf Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
institution Universidad Nacional del Centro
institution_str I-21
repository_str R-190
container_title_str Repositorio Institucional de Acceso Abierto (RIDAA)
language Español
format Artículo revista
topic MIBV
Morfométricos cerebrales
Resonancia magnética
Técnicas computacionales
Esclerosis hipocampal
Tesis de doctorado
spellingShingle MIBV
Morfométricos cerebrales
Resonancia magnética
Técnicas computacionales
Esclerosis hipocampal
Tesis de doctorado
Kulsgaard, Hernán Claudio
Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
topic_facet MIBV
Morfométricos cerebrales
Resonancia magnética
Técnicas computacionales
Esclerosis hipocampal
Tesis de doctorado
author Kulsgaard, Hernán Claudio
author_facet Kulsgaard, Hernán Claudio
author_sort Kulsgaard, Hernán Claudio
title Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
title_short Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
title_full Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
title_fullStr Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
title_full_unstemmed Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
title_sort desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales
description La morfometría individual basada en voxel (MIBV) es una técnica para el estudio de cambios morfométricos cerebrales a partir de imágenes de resonancia magnética. Su principal ventaja sobre la morfometría basada en voxel clásica (MBV) es que permite estudiar a los sujetos de manera individual. Sin embargo, su aplicabilidad se ve limitada por la gran cantidad de falsos positivos que produce. Por esta razón, sus aspectos de configuración no han sido estudiados tan exhaustivamente como en MBV. Para abordar esta problemática, primero se realizo un estudio de MIBV sobre sujetos sanos para analizar los falsos positivos y la influencia del tamaño de grupo control y núcleo de suavizado. Segundo, se evaluó la sensibilidad de MIBV sobre sujetos con atrofias simuladas en distintas regiones y tamaños, analizando la influencia del nucleó de suavizado. Tercero, se estudio la sensibilidad y especificidad de MIBV sobre pacientes con esclerosis hipocampal. Cuarto, se desarrollo una metodología basada en aprendizaje de maquina para la reducción de falsos positivos. Se concluyo que los aspectos de configuración de MIBV son determinantes para el rendimiento en la detección de cambios morfológicos. Se pudieron determinar los lımites de rendimiento de MIBV. Finalmente, se demostró que es posible reducirlos falsos positivos, preservando los verdaderos positivos mediante aprendizaje de maquina.
publisher Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas
publishDate 2022
url Kulsgaard, H. C. (2022). Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales [Tesis de doctorado]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.
work_keys_str_mv AT kulsgaardhernanclaudio desarrollodetecnicascomputacionalesparaladetecciondecambiosmorfologicoscerebrales
first_indexed 2023-04-13T15:31:19Z
last_indexed 2024-08-12T22:52:30Z
_version_ 1807224039473676288

Ejemplares similares