Презентация Анализ на аномалии и визуализация данных. МРТ головного мозга

Смотреть слайды в полном размере
Презентация Анализ на аномалии и визуализация данных. МРТ головного мозга


Вашему вниманию предлагается презентация «Анализ на аномалии и визуализация данных. МРТ головного мозга», с которой можно предварительно ознакомиться, просмотреть текст и слайды к ней, а так же, в случае, если она вам подходит - скачать файл для редактирования или печати.

Презентация содержит 20 слайдов и доступна для скачивания в формате ppt. Размер скачиваемого файла: 14.13 MB

Просмотреть и скачать

Pic.1
Анализ на аномалии и визуализация данных МРТ головного мозга Control Process and Stability 2019 Алие
Анализ на аномалии и визуализация данных МРТ головного мозга Control Process and Stability 2019 Алиева Сабина
Pic.2
Введение Объемы данных, получаемых медиками для постановки диагноза и лечения пациенту, а также слож
Введение Объемы данных, получаемых медиками для постановки диагноза и лечения пациенту, а также сложность задач, возникающих в нейрофизиологии, неуклонно растет
Pic.3
Введение Нейрофизиология, как и любые медицинские исследования, представляют собой обширную сферу дл
Введение Нейрофизиология, как и любые медицинские исследования, представляют собой обширную сферу для применения методов машинного обучения.
Pic.4
Актуальность Физиологические и функциональные изменения в головном мозге происходят намного раньше,
Актуальность Физиологические и функциональные изменения в головном мозге происходят намного раньше, прежде чем проявится очевидная для конкретного заболевания симптоматика. В связи с этим, анализ цифровых данных, полученных при магнитно-резонансной томографии, представляет большой интерес.
Pic.5
Исходные данные Для исследования Санкт-Петербургским научно-исследовательским психоневрологическим и
Исходные данные Для исследования Санкт-Петербургским научно-исследовательским психоневрологическим институтом имени В. М Бехтерева были предоставлены данные о 139 пациентах. Данные получены с помощью обработки МРТ программным пакетом FreeSurfer , который для каждой структуры мозга вычисляет необходимые для исследования параметры.
Pic.6
Исходные данные Все данные изначально размечены на четыре группы по заболеваниям: Пациенты, страдающ
Исходные данные Все данные изначально размечены на четыре группы по заболеваниям: Пациенты, страдающие болезнью Альцгеймера Страдающие сосудистой деменцией Страдающие депрессией Контрольная группа.
Pic.7
Необходимые параметры Для данных заболеваний врачи принимают во внимание следующие параметры каждой
Необходимые параметры Для данных заболеваний врачи принимают во внимание следующие параметры каждой структуры мозга: Количество белого вещества Количество серого вещества Средняя толщина Площадь поверхности. Значения каждого из этих параметров берутся для левой и правой структуры головного мозга соответственно. Каждая структура относится к определенной доле мозга: лобная, теменная, затылочная, височная, инсула, гиппокамп.
Pic.8
Выбор методов для визуализации Целью исследования является нахождение метода понижения размерности,
Выбор методов для визуализации Целью исследования является нахождение метода понижения размерности, который наиболее точно сохранит и отобразит связь между классами пациентов с перечисленными заболеваниями. Среди множества методов снижения размерности были выделены следующие: Метод анализа главных компонент Метод анализа независимых компонент Стохастическое вложение соседей с t-распределением Многомерное шкалирование Линейный дискриминантный анализ Неотрицательное матричное разложение
Pic.9
Визуализация Серые точки - страдающие болезнью Альцгеймера Желтые точки - страдающие сосудистой деме
Визуализация Серые точки - страдающие болезнью Альцгеймера Желтые точки - страдающие сосудистой деменцией Синие точки - страдающие депрессией Красные - контрольная группа
Pic.10
Височная доля PCA
Височная доля PCA
Pic.11
Теменная доля PCA
Теменная доля PCA
Pic.12
Лобная доля PCA
Лобная доля PCA
Pic.13
Insula PCA
Insula PCA
Pic.14
Затылочная доля PCA
Затылочная доля PCA
Pic.15
Лимбическая система PCA
Лимбическая система PCA
Pic.16
LDA 2 components Лобная доля
LDA 2 components Лобная доля
Pic.17
Анализ на аномалии данных гиппокампа Визуализация с помощью PCA
Анализ на аномалии данных гиппокампа Визуализация с помощью PCA
Pic.18
Анализ на аномалии данных парагиппокампальной извилины Визуализация с помощью PCA
Анализ на аномалии данных парагиппокампальной извилины Визуализация с помощью PCA
Pic.19
Анализ полученных результатов Метод понижения размерности LDA сохраняет больше информации о классах
Анализ полученных результатов Метод понижения размерности LDA сохраняет больше информации о классах больных. Попытки визуализации данных о каждой доле мозга с помощью методов понижения размерности не столь эффективны, сколько анализ каждой структуры мозга отдельно. С помощью плотностного алгоритма кластеризации можно качественно детектировать аномалии в нейрофизиологических данных. В составе аномальных точек в основном больные из указанных категорий и лишь редко из контрольной группы, что говорит о целесообразности использования этого метода анализа данных.
Pic.20
Заключение В результате получены подтверждения оправданности использования методов понижения размерн
Заключение В результате получены подтверждения оправданности использования методов понижения размерности для визуализации данных МРТ мозга человека. Среди описанных методов некоторые демонстрируют явные преимущества в сравнении с остальными для конкретных задач. Результаты анализа на аномалии также сопоставимы с предположениями врачей об изменениях в структурах мозга при данных заболеваниях, что также подтверждает оправданность исследования данных МРТ на аномалии.


Скачать презентацию

Если вам понравился сайт и размещенные на нем материалы, пожалуйста, не забывайте поделиться этой страничкой в социальных сетях и с друзьями! Спасибо!