Feature selection methods for predicting pre-clinical stage in Alzheirmer's Disease
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/89502
Tipus de documentTreball Final de Grau
Data2014-06
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
Alzheimer's disease is still an incurable disease. Nevertheless, some of its biomarkers suffer changes in the early stages of the disease, long before clinical symptoms appear. In order to determine how biomarkers obtained from magnetic resonance (MRI) techniques affect the disease's evolution, machine learning techniques have been used to design and implement a classification system so as to predict the stages in which several patients belong. One of the main objectives of this project is reducing the number of data to manage, since MRI provide a large volume of data for each patient. As a result, we will focus on the stage of reduction and extraction of characteristics of the classifier which may be relevant for the mentioned problem. We will carry out an exhaustive analysis of different methods of selection of features to apply to biomedical data related to Alzheimer's disease. Results obtained will also be applicable to other fields. Finally, we will assess these methods with a multimodal data base provided by the collaboration agreement with Pasqual Maragall Foundation (FPM). La enfermedad del Alzheimer es aún una enfermedad incurable. Sin embargo, algunos de sus biomarcadores sufren cambios durante las primeras etapas de la enfermedad, mucho antes de presentar síntomas clínicos. Para determinar cómo estos afectan a la evolución de la enfermedad los biomarcadores obtenidos a partir de técnicas de resonancia magnética (MRI), se han utilizado técnicas de machine learning para diseñar e implementar un sistema de clasificación con el fin de predecir las etapas en las que se encuentran distintos pacientes. Uno de los principales objetivos de este proyecto es reducir el número de datos a tratar, ya que las MRI proporcionan un gran volumen de datos de cada paciente. En consecuencia, nos centraremos en la etapa de reducción y extracción de características del clasificador que pueden ser relevantes para el problema mencionado. Realizaremos un análisis exhaustivo de distintos métodos de selección de características para aplicarlos a datos biomédicos relacionados con la enfermedad del Alzheimer. Los resultados obtenidos también podrán aplicarse en otros campos. Finalmente, evaluaremos los métodos con una base de datos multimodal proporcionada por el convenio de colaboración con la Fundació Pasqual Maragall (FPM). La malaltia de l'Alzheimer és encara una malaltia incurable. Tanmateix, alguns dels seus biomarcadors es pateixen canvis durant les primeres etapes de la malaltia, molt abans de presentar símptomes clínics. Per a determinar com afecten a l'evolució de la malaltia els biomarcadors obtinguts a partir de tècniques de ressonància magnètica (MRI), s'han utilitzat tècniques de machine learning per a dissenyar i implementar un sistema de classificació per a predir les etapes en què es troben diversos pacients. Un dels principals objectius d'aquest projecte és reduir el nombre de dades a tractar, ja que les MRI proporcionen un gran volum de dades de cada pacient. En conseqüència, ens centrarem en l'etapa de reducció i extracció de característiques del classificador que poden ser rellevants per al problema esmentat. Realitzarem una anàlisi exhaustiva de diferents mètodes de selecció de característiques per a aplicar-los a dades biomèdiques relacionades amb la malaltia de l'Alzheimer. Els resultats obtinguts també podran aplicar-se en altres camps. Finalment, avaluarem els mètodes amb una base de dades multimodal proporcionada pel conveni de col·laboració amb la Fundació Pasqual Maragall (FPM).
Descripció
Project in collaboration with the Pasqual Maragall Foundation and the Hospital Clinic from Barcelona
TitulacióGRAU EN CIÈNCIES I TECNOLOGIES DE TELECOMUNICACIÓ (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
MCV - TFG Memoria.pdf | 4,518Mb | Visualitza/Obre |