Extração multilinear de informações discriminantes em imagens de ressonância magnética do cérebro humano

Abstract

O entendimento da relação entre as regiões cerebrais e as respectivas funções que estas realizam no corpo humano tem motivado diversos estudos na área de Neurociência, contribuindo para o avanço de métodos computacionais de naálise de imagens. Neste trabalho, apresenta-se um estudo sobre extração multilinear de infoprmações discriminantes de um conjunto de imagens de ressonância magnética estrutural do cérebro humano. Este conjunto de imagens utilizado é formado por indivíduos sem histórico de transtornos psiquiátricos e a análise multilinear destes dados foi realziada com relação às características de altura, hábito de fumar, gênero, hipertensão, idae e obesidade. Métodos estatísticos univariado e multivariado, que são aplicados em estudos nestaárea, foram utilizados para a extração de informações discriminantes. Para uma melhor compreensão das diferenças visuais e quantitativas encontradas entre os métodos utilizados e suas respectivas limitações, uma análise geométrica foi relacionada ao conceito teórico envolvido por trás da formulação matemática destes métodos. Os resultados obtidos neste trabalho indicam que a análise multivariada é mais apropriada para a extração de informações discriminantes deste tipo de imagens, pois leva em conta a correlação das variáveis apresentando menor espalhamento das diferenças encontradas, atenua o problema de múltiplas comparações, e se baseia em um modelo de reconhecimento de padrões e não em um teste de hipóteses, permitindo a avaliação adicional da taxa de classificação de cada característica

The understanding of the relation between brain regions and their respective functions in the human body has motivated several studies in neuroscience, contributing to the recent advancements on computacional methods for medical image analysis. in this work, we present a study about multilinear extraction of discriminant information using magnetic resonance (MR) images of the human brain. This MR human brain set is composed of subjects without any medical history of brain psychiatric disorder and the multilinear analysis has been performed using characteristics such as height, ever smoked, gender, hypertension, age and obesity. Statistical methods based on univariate and multivariate approaches have been investigated in order to extract the discriminant information related to those characteristics. To understand the visual and quantitative diferencies found by the methods and their corresponding limitations, a geometric analysis has also been performed to clarify the theoretical concept behind the mathematical formulations of these methods. The results obtained in this work suggest that the multivariate analysis is more appropriate to extract discriminant information from MR brain images, because such analysis deals with the inherent correlation between the variables of interest, mitigantingthe multiple comparison problem, and providing a measure of error prediction (classification rate) for the model selection because it is based on a pattern recognition approach ratter than a hypothesis driver one