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

• Rafael D. Leão FEI
• João R. Sato UFABC
• Carlos E. Thomaz FEI

Resumo

Este artigo apresenta um estudo sobre extração multilinear de informações discriminantes de um conjunto de imagens RM estrutural do cérebro humano. O conjunto analisado é formado por 169 indivíduos saudáveis e são analisados através de 6 características distintas entre grupos de amostras (altura, hábito de fumar, gênero, hipertensão, idade e obesidade). Métodos estatísticos univariado e multivariado foram utilizados para a extração de informações discriminantes. Uma análise geométrica enfatiza as características principais e limitações de cada método estatístico, e são apresentadas e discutidas as diferenças entre os resultados de forma visual e quantitativa.

Referências

ABESO (2008). Abeso - associação brasileira para o estudo da obesidade e da síndrome metabólica. [link]. acessado em 15/07/2008.

Davatzikos, C. (2004). Why voxel-based morphometric analysis should be used with great caution when characterizing group differences. NeuroImage, 23.

Degen, C. L., Poggio, M., Mamin, H. J., Rettner, C. T., and Rugar, D. (2009). Nanoscale magnetic resonance imaging. Proceedings of the National Academy of Sciences of the USA, pages 1–5.

Fisher, R. A. (1936). The use of multiple measures in taxonomic problems. Annals of Eugenics, 7:179–188.

Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J. B., Frith, C., and Frackowiak, R. S. J. (1995). Statistical parametric maps in functional imaging: A general linear approach. Human Brain Mapping, 2:189–210.

Fukunaga, K. (1990). Introduction to Statistical Pattern Recognition. Academic Press, 2 edition.

Golland, P., Grimson, W. E. L., Shenton, M. E., and Kikinis, R. (2005). Detection and analysis of statistical differences in anatomical shape. Medical Image Analysis, 9(1):69–86.

Good, C. D., Johnsrude, I. S., Ashburner, J., Henson, R. N. A., Friston, K. J., and Frackowiak, R. S. J. (2001). A voxel-based morphometric study of ageing in 465 normal adult human brains. NeuroImage, (14):21–36.

Kawasaki, Y., Suzuki, M., Kherif, F., Takahashi, T., Zhou, S., Nakamura, K., Matsui, M., Sumiyoshi, T., Seto, H., and Kurachi, M. (2007). Multivariate voxel-based morphometry successfully differentiates schizophrenia patients from healthy controls. NeuroImage, 34(1):235–242.

Sato, J. R., Fujita, A., Thomaz, C. E., Morais-Martin, M. G., Mourao-Miranda, J., Brammer, M. J., and Junior, E. A. (2009). Evaluating svm and mlda in the extraction of discriminant regions for mental state prediction. NeuroImage, 46(1):105–114.

Sato, J. R., Thomaz, C. E., Cardoso, E. F., Fujita, A., Morais-Martin, M. G., and Junior, E. A. (2008). Hyperplane navigation: a method to set individual scores in fmri group datasets. NeuroImage, 42(4):1473–1480.

Thomaz, C. E., Boardman, J., Counsell, S., Hill, D. L. G., Hajnal, J. V., Edwards, D., Rutherford, M. A., Gillies, D. F., and Rueckert, D. (2007). A multivariate statistical analysis of the developing human brain in preterm infants. Image and Vision Computing, 25(6):981–994.

Thomaz, C. E., Kitani, E. C., and Gillies, D. F. (2006). A maximum uncertainty lda-based approach for limited sample size problems - with application to face recognition. Journal of the Brazilian Computer Society, 12(2):7–18.