Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Queiroz Junior, Aldrén Martins de"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    TCC
    Classificação automática da doença de Alzheimer por meio de processamento de imagens e algoritmos de inteligência artificial
    (Universidade Federal do Rio Grande do Norte, 2023-12-15) Queiroz Junior, Aldrén Martins de; Soares, Heliana Bezerra; http://lattes.cnpq.br/5057165446370629; http://lattes.cnpq.br/0174401441211408; Martins, Allan de Medeiros; Silveira Júnior, Luiz Gonzaga de Queiroz
    A doença de Alzheimer, considerada a causa mais comum de demência, afeta mais de 44 milhões de pessoas no mundo, o diagnóstico consiste em uma avaliação clínica abrangente com processos longos e com custos elevados. No entanto, com os avanços da tecnologia de imagens médicas os profissionais conseguem realizar uma avaliação da anatomia cerebral de forma não invasiva. Nesse contexto, este estudo teve como objetivo desenvolver um algoritmo automatizado usando processamento digital de imagens e inteligência artificial em imagens de ressonância magnética ponderadas em T1 para auxiliar o diagnóstico precoce da doença de Alzheimer. Essa análise foi realizada de classificando de forma binária pacientes com doença de Alzheimer (DA) e controles saudáveis (CN). No processamento digital de imagens foi utilizada a biblioteca FSL para ajustar e segmentar as regiões de interesse, além disso as características extraídas utilizaram a estratégia de análise da redução do volume e assimetria das regiões subcorticais do cérebro, que ocorrem antes dos primeiros sintomas de demência. Para realizar a classificação foi utilizado um modelo de aprendizado de máquinas supervisionado com Support Vector Machine (SVM), que obteve 85.71% de acurácia no kernel polinomial.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM