Vliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněním
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Cílem práce je definice vztahu závislosti klasifikace pacientů postižených neurodegenerativním onemocněním na volbě parcelačního atlasu. Součástí práce je aplikace analýzy funkční konektivity a výpočtu grafových metrik dle metody publikované Olafem Spornsem a Mikailem Rubinovem [1] na fMRI datech naměřených na CEITEC MU. Aplikaci předchází teoretická rešerše parcelačních atlasů pro segmentování mozku ze snímků fMRI a rešerše matematických metod klasifikace, jako i klasifikátorů neurodegenerativních onemocnění. První kapitoly práce přináší teoretický základ poznatkůl z oblasti magnetické a funkční magnetické rezonance. Definovány jsou fyzikální principy metody, podmínky a průběh akvizice obrazových dat. Třetí kapitola shrnuje grafové metriky použité dále v diplomové práci pro analýzu a klasifikování grafů. Práce přináší stručný přehled parcelačních metod, se zaměřením na parcelaci pomoci atlasů. Po teoretické rešerši metod zkoumání funkční konektivity a matematických metod klasifikací, byly poznatky použity pro realizaci parcelací, výpočet grafových metrik a následnou klasifikaci fMRI snímků 96 subjektů vždy do jedné ze dvou tříd s využitím binárních klasifikátocí metodou podpůrných vektorů a lineární diskriminační analýzy. Data klasifikována v této práci byla naměřena na pacientech s Parkinsonovou chorobou (PD), s Alzheimerovou chorobou (AD), s Mírní kognitivní poruchou (MCI), s kombinací nemocí PD a MCI a na subjektech patřících do kontrolní skupiny zdravých jedinců. Pro předzpracování a pro analýzu je v práci využito prostředí MATLAB a toolboxy SPM12 a Brain Connectivity Toolbox.
The aim of the thesis is to define the dependency of the classification of patients affected by neurodegenerative diseases on the choice of the parcellation atlas. Part of this thesis is the application of the functional connectivity analysis and the calculation of graph metrics according to the method published by Olaf Sporns and Mikail Rubinov [1] on fMRI data measured at CEITEC MU. The application is preceded by the theoretical research of parcellation atlases for brain segmentation from fMRI frames and the research of mathematical methods for classification as well as classifiers of neurodegenerative diseases. The first chapters of the thesis brings a theoretical basis of knowledge from the field of magnetic and functional magnetic resonance imaging. The physical principles of the method, the conditions and the course of acquisition of image data are defined. The third chapter summarizes the graph metrics used in the diploma thesis for analyzing and classifying graphs. The paper presents a brief overview of the brain segmentation methods, with the focuse on the atlas-based segmentation. After a theoretical research of functional connectivity methods and mathematical classification methods, the findings were used for segmentation, calculation of graph metrics and for classification of fMRI images obtained from 96 subjects into the one of two classes using Binary classifications by support vector machines and linear discriminatory analysis. The data classified in this study was measured on patiens with Parkinson’s disease (PD), Alzheimer’s disease (AD), Mild cognitive impairment (MCI), a combination of PD and MCI and subjects belonging to the control group of healthy individuals. For pre-processing and analysis, the MATLAB environment, the SPM12 toolbox and The Brain Connectivity Toolbox were used.
The aim of the thesis is to define the dependency of the classification of patients affected by neurodegenerative diseases on the choice of the parcellation atlas. Part of this thesis is the application of the functional connectivity analysis and the calculation of graph metrics according to the method published by Olaf Sporns and Mikail Rubinov [1] on fMRI data measured at CEITEC MU. The application is preceded by the theoretical research of parcellation atlases for brain segmentation from fMRI frames and the research of mathematical methods for classification as well as classifiers of neurodegenerative diseases. The first chapters of the thesis brings a theoretical basis of knowledge from the field of magnetic and functional magnetic resonance imaging. The physical principles of the method, the conditions and the course of acquisition of image data are defined. The third chapter summarizes the graph metrics used in the diploma thesis for analyzing and classifying graphs. The paper presents a brief overview of the brain segmentation methods, with the focuse on the atlas-based segmentation. After a theoretical research of functional connectivity methods and mathematical classification methods, the findings were used for segmentation, calculation of graph metrics and for classification of fMRI images obtained from 96 subjects into the one of two classes using Binary classifications by support vector machines and linear discriminatory analysis. The data classified in this study was measured on patiens with Parkinson’s disease (PD), Alzheimer’s disease (AD), Mild cognitive impairment (MCI), a combination of PD and MCI and subjects belonging to the control group of healthy individuals. For pre-processing and analysis, the MATLAB environment, the SPM12 toolbox and The Brain Connectivity Toolbox were used.
Description
Keywords
nukleární magnetická rezonance (NMR), T1 relaxace, T2 relaxace, T2* relaxace, BOLD fMRI, grafové metriky, koeficient shlukování, parcelace, atlas, sítě „malého světa“, neurodegenerativní onemocnění, PCA, Pearsonův korelační koeficient, Lineární diskriminační analýza (LDA), Metoda podpůrných vektorů, nuclear magnetic resonance (NMR), T1 relaxation, T2 relaxation, T2* relaxation, BOLD fMRI, graph metrics, clustering coefficient, parcellation, atlas, small-world, neurodegenerative diseases, PCA, Pearson’s correalation coefficient, Linear Discriminative Analysis, Support vector machines
Citation
MONTILLA, M. Vliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněním [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínské inženýrství a bioinformatika
Comittee
doc. Ing. Daniel Schwarz, Ph.D. (předseda)
Ing. Vratislav Harabiš, Ph.D. (místopředseda)
Ing. Jan Odstrčilík, Ph.D. (člen)
RNDr. Jan Balvan, Ph.D. (člen)
doc. RNDr. Jaromír Baštinec, CSc. (člen)
Ing. Helena Škutková, Ph.D. (člen)
Date of acceptance
2018-06-13
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky
Ing. Schwarz se zeptal, jestli by nebylo lepší použít pouze behavioralní data
Doc. Baštinec zkoumal 'všeobecně kulturní znalosti' studentky
Ing. Odstrčilík se zeptal na použité klasifikátory
Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení