Título: Extração de Informação Discriminante em Imagens Médicas

Palestrante: Carlos E. Thomaz

Resumo: 

Imagens de ressonância magnética (MR) e técnicas de reconhecimento de
padrões em estatística têm sido utilizadas para classificar e descrever
estruturas anatômicas do cérebro humano.  Muitos destes métodos têm
superado a dificuldade de lidar com a inerente alta dimensionalidade dos
dados 3D MR através da utilização de imagens segmentadas ou de técnicas
matemáticas de otimização que requerem um longo tempo computacional de
processamento e não propiciam uma metodologia simples de visualização
dos resultados no domínio original das imagens.  Para evitar essas
questões críticas de alta dimensionalidade, nós propomos a utilização de
um arcabouço computacional linear criado especialmente para problemas de
classificação deste tipo, onde o número de amostras é significantemente
menor que o número de parâmetros.  A idéia é avaliar todos os parâmetros
ou características das imagens simultaneamente, ao invés de
característica por característica como comumente empregado em abordagens
similares. Nesta apresentação, nós iremos mostrar alguns resultados
recentes deste modelo computacional utilizado para extração de
informação discriminante em imagens cerebrais de bebês prematuros e de
pessoas diagnosticadas com Alzheimer em relação aos seus respectivos
grupos de controle.