Diferencia entre revisiones de «Pfc-neuro-3»

De Grupo de Inteligencia Computacional (GIC)
Sin resumen de edición
 
Línea 38: Línea 38:
== Más información ==
== Más información ==


'''María Teresa García Sebastián'''
'''Maite García-Sebastián'''
[mailto:mariateresa.garcia@ehu.es]
[mailto:mariateresa.garcia@ehu.es]

Revisión actual - 16:44 14 ago 2008

Análisis de imágenes cerebrales de Resonancia Magnética Nuclear: Morfometría a nivel de deformaciones (Deformation Based Morphometry).

1. Resumen.

La morfometría es la medida de estructuras en la imagen de resonancia magnética o de otras modalidades de imagen médica estructural. La morfometría a nivel de deformaciones trata de modelar las superficies de las estructuras de interés y compararlas con las superficies de referencia. Está indicada para estudios de patologías que producen atrofias u otras deformaciones en el cortex.

2. Herramientas computacionales.

Datos: Colección de imágenes cerebrales de RMN simuladas y reales de sujetos sanos, sujetos con Alzheimer y Esclerosis Múltiple; Atlas de referencia.

Algoritmos: Aproximación de superficies.

3. Utilidad: aplicación, interés comercial o comunitario, proyección de futuro.

Aplicación de técnicas de DBM para detectar diferencias de forma anatómica tanto a nivel de estructura cerebral, como a nivel global. Estudio de cambios cerebrales en patologías como Alzheimer, Esclerosis Múltiple, Pakinson, Esquizofrenia.

4. Conocimientos requeridos o recomendados.

Matlab, C.

5. Fases previstas.

Fase 1. Elaboración del estado del arte. Se desarrollarán durante la duración del proyecto sesiones regulares de revisión de bibliografía y discusión de artículos. Resultados esperados: Conocer y recoger en un informe los estudios realizados con el DBM.

Fase 2. Exploración de las implementaciones de DBM disponibles (software libre). Resultados esperados: Informe que recoja las implementaciones de DBM disponibles (software libre), para este tipo de problema.

Fase 3. Implementación de algoritmos de la literatura. Resultados esperados: Código de cada algoritmo.

Fase 4. Evaluación de los resultados. Resultados esperados: Aplicar los métodos de DBM a una colección de imágenes de RMN. Establecer medidas para comparar la eficiencia y realizar las comparaciones sobre la colección de imágenes proporcionada.

Fase 5. Elaboración de la memoria final. Resultados esperados: Recoger en un informe el trabajo realizado.

Más información

Maite García-Sebastián [1]