Biomarkers based on neuroimages to diagnose neurodegenerative diseases
Fecha
2019-07-08Autor(es)
Reyes Gavilán, Pablo AlexanderPublicador
Pontificia Universidad Javeriana
Facultad
Facultad de Ingeniería
Programa
Doctorado en Ingeniería
Título obtenido
Doctor en Ingeniería
Tipo
Tesis/Trabajo de grado - Monografía - Doctorado
COAR
Tesis de doctoradoCompartir este registro
Citación
Documentos PDF
Resumen
El objetivo de la tesis fue la generación de bíomarcadores cuantitativos basados en neuroimágenes para el estudio de la demencia. Por lo tanto, a través de la conectívidad global y estructural del cerebro sería posible construir biomarcadores para identificar las diferencias entre los controles sanos y los pacientes. Con la identificación de las redes cerebrales alteradas, además se entendería cómo la cognición y el comportamiento se alteran por estas enfermedades.
Hemos analizado 160 imágenes de pacientes con demencia y controles sanos del Hospital Universitario San Ignacio, y hemos construido redes de conectívidad cerebral estructural por cada paciente. Todos los pacientes fueron diagnosticados por un grupo multidisciplinario en una clínica de memoria de acuerdo con directrices internacionales. Para este estudio se utilizaron imágenes estructurales y de difusión ponderada. Con respecto al procesamiento, tuvimos varios pasos: estimación del modelo, conectívidad estructural y análisis estadístico.
Para analizar las diferencias entre las variantes de la demencia frontotemporal y los controles, se a analizo medidas topológicas de redes y estadísticas basadas en redes. Además, para medir el impacto de este método, hemos construido una página web con los principales resultados y hemos preguntado a expertos en demencia y neurorradiología sobre el impacto clínico y el uso de estos resultados.
Los principales resultados mostraron la importancia de una evaluación sistemática con diferentes escalas para encontrar diferencias entre las variantes. Los calificadores expertos indicaron que la mejor manera de representar las redes de conectívidad eran las redes translúcidas o circulares de mapas cerebrales.
Abstract
The thesis aim is the generation of quantitative biomarkers based on neuroimages for the study of dementia. Hence, through global and structural brain connectivity will be possible to build biomarkers to identify differences between healthy controls and patients. Additionally, with the identification of brain networks altered, would understand how cognition and behavior are altered by these diseases.
We have analyzed 160 images from patients with dementia and healthy controls from Hospital Universitarlo San Ignacio, and we have built networks of structural brain connectivity by each patient. All patients had diagnosis by a multidisciplinary group in a memory clinic according to
International guidelines of frontotemporal dementiain their variants. To this study we used two types: structutal and diffusion weighted images. With respect to processing we had several had several steps: ¬model estimation, a whole structural connectivity with atlas and statistical analysis.
To analyze the differences between variants of frontotemporal dementia and controls, we have made analyze from topological measures from networks and network based statistical. Also, to measure the impasct of this method, we have built a webpage with the main results and asked
experts in dementia and neuroradiology about the clinical impact and use of these results.
The main results showed the importance of a systematic evaluation with different scales in order to find differences between variant, in other words, the structural connectivity might be confounded by the scale of analysis. The expert raters indicated that the better way to represent connectivity networks were brain maps translucent or circular networks.
Palabras clave
Demencia frontotemporalNeuroimagen
Conectividad cerebral estructural
Máquinas de aprendizaje
Temas
Doctorado en ingeniería - Tesis y disertaciones académicasDemencia frontotemporal
Enfermedades neurodegenerativas
Marcadores bioquímicos
Estadísticas Google Analytics