IMAGENS DE RESSONÂNCIA MAGNÉTICA FUNCIONAL EM ESTADO DE REPOUSO APLICADAS A ESTUDO DA DOR CRÔNICA UTILIZANDO DEEP LEARNING
O aprendizado de máquina é um conjunto de técnicas utilizadas para análise de dados e tem se mostrado muito eficiente na previsão de dados por meio de algoritmos e ferramentas estatísticas. A aplicação de imagens de ressonância magnética funcional em estado de repouso (rs-fMRI), auxiliadas por meio de redes neurais convolucionais (CNN), têm sido empregadas para acelerar e melhorar os processos de desenvolvimento de novos medicamentos e diagnósticos médicos. Nas pesquisas em dor crônica, a rs-fMRI é utilizada para fornecer dados com o paciente em repouso, algo que é interessante para avaliar pacientes incapazes de realizar qualquer tipo de tarefa, como pessoas com Alzheimer e Demência avançados. No entanto, as informações geradas por um teste rs-fMRI requerem conhecimentos específicos para serem interpretados. Uma análise precisa dos resultados de rs-fMRI, exige pré-processamento, mapeamento das áreas ativas do cérebro e, por fim, a aplicação do método de análise. Para esta pesquisa, foi realizado um levantamento bibliográfico para investigar os procedimentos atuais de pré-processamento e quais seriam os motivos de sua escolha. Assim, para a primeira parte da pesquisa, foram selecionados cerca de 40 artigos. Ao analisá-los, constatou-se que não há um protocolo definido para o desenvolvimento de um pré-processamento de rs-fMRI que resulte em alto grau de confiabilidade na aplicação do método analítico. Mesmo assim, foi possível determinar quais processos podem ser realizados no pré-processamento de rs-fMRI como remoção de crânio, redução de artefatos, correção de movimento, tempo de corte, suavização espacial, co-registro e normalização. Neste sentido, aplicando-se técnicas de mapeamento é possível realizar classificação e diagnosticar pessoas com dor crônica para que seja possível efetuar um melhor tratamento e consequentemente, aumentar a qualidade de vida dos pacientes.
IMAGENS DE RESSONÂNCIA MAGNÉTICA FUNCIONAL EM ESTADO DE REPOUSO APLICADAS A ESTUDO DA DOR CRÔNICA UTILIZANDO DEEP LEARNING
-
DOI: 10.22533/at.ed.9502211053
-
Palavras-chave: rs-fmri, dor, redes neurais convolucionais, conectoma, conectividade funcional.
-
Keywords: rs-fmri, pain, convolutional neural network, connectome, functional connectivity.
-
Abstract:
Machine learning is a set of techniques used for data analysis and has been shown to be very efficient in predicting data through algorithms and statistical tools. The application of resting-state functional magnetic resonance imaging (rs-fMRI), aided through convolutional neural networks (CNN), has been employed to accelerate and improve the processes of developing new drugs and medical diagnoses. In chronic pain research, rs-fMRI is used to provide data with the patient at rest, something that is interesting for evaluating patients who are unable to perform any type of task, such as people with advanced Alzheimer's and Dementia. However, the information generated by an rs-fMRI test requires specific knowledge to be interpreted. An accurate analysis of rs-fMRI results requires pre-processing, mapping of active areas of the brain and, finally, application of the analysis method. For this research, a bibliographic survey was carried out to investigate the current pre-processing procedures and what would be the reasons for their choice. Thus, for the first part of the research, about 40 articles were selected. When analyzing them, it was found that there is no defined protocol for the development of a pre-processing of rs-fMRI that results in a high degree of reliability in the application of the analytical method. Even so, it was possible to determine which processes can be performed in the pre-processing of rs-fMRI such as skull removal, artifact reduction, motion correction, cropping time, spatial smoothing, co-registration and normalization. In this sense, by applying mapping techniques, it is possible to classify and diagnose people with chronic pain so that it is possible to carry out a better treatment and, consequently, increase the quality of life of patients.
-
Número de páginas: 15
- Sérgio Ricardo de Lima Novais
- Glaucilene Ferreira Catroli
- Fábio Andrijauskas
- Roberta Martins da Costa Bianchi
