Vliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněním

Simple item page
but.committeedoc. 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 Vítková, Ph.D. (člen)cs
but.defenceStudentka 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 oponentacs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorGajdoš, Martincs
dc.contributor.authorMontilla, Michaelacs
dc.contributor.refereeLamoš, Martincs
dc.date.created2018cs
dc.description.abstractCílem 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.cs
dc.description.abstractThe 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.en
dc.description.markAcs
dc.identifier.citationMONTILLA, M. Vliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněním [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.cs
dc.identifier.other110563cs
dc.identifier.urihttp://hdl.handle.net/11012/82056
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectnukleární magnetická rezonance (NMR)cs
dc.subjectT1 relaxacecs
dc.subjectT2 relaxacecs
dc.subjectT2* relaxacecs
dc.subjectBOLD fMRIcs
dc.subjectgrafové metrikycs
dc.subjectkoeficient shlukovánícs
dc.subjectparcelacecs
dc.subjectatlascs
dc.subjectsítě „malého světa“cs
dc.subjectneurodegenerativní onemocněnícs
dc.subjectPCAcs
dc.subjectPearsonův korelační koeficientcs
dc.subjectLineární diskriminační analýza (LDA)cs
dc.subjectMetoda podpůrných vektorůcs
dc.subjectnuclear magnetic resonance (NMR)en
dc.subjectT1 relaxationen
dc.subjectT2 relaxationen
dc.subjectT2* relaxationen
dc.subjectBOLD fMRIen
dc.subjectgraph metricsen
dc.subjectclustering coefficienten
dc.subjectparcellationen
dc.subjectatlasen
dc.subjectsmall-worlden
dc.subjectneurodegenerative diseasesen
dc.subjectPCAen
dc.subjectPearson’s correalation coefficienten
dc.subjectLinear Discriminative Analysisen
dc.subjectSupport vector machinesen
dc.titleVliv parcelačního atlasu na kvalitu klasifikace pacientů s neurodegenerativním onemocněnímcs
dc.title.alternativeInfluence of parcellation atlas on quality of classification in patients with neurodegenerative disseaseen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2018-06-13cs
dcterms.modified2018-06-14-07:30:24cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid110563en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:34:41en
sync.item.modts2025.01.17 14:17:27en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
114.44 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_110563.html
Size:
6.95 KB
Format:
Hypertext Markup Language
Description:
file review_110563.html
Download
Collections
2018