Contributions to statistical learning for magnetic resonance images

dc.contributor
Universitat Jaume I. Departament de Matemàtiques
dc.contributor.author
Ventura Campos, Noelia
dc.date.accessioned
2013-03-28T08:25:06Z
dc.date.available
2013-03-28T08:25:06Z
dc.date.issued
2013-03-13
dc.identifier.isbn
978-84-695-7488-1
dc.identifier.uri
http://hdl.handle.net/10803/108883
dc.description.abstract
<p><em>Introducción</em> <br>Este trabajo describe las contribuciones al aprendizaje estadístico desarrollado e implementado en imágenes de Resonancia Magnética (RM). Concretamente, se describe la contribución a los análisis de componentes independientes (ICA), perteneciente al aprendizaje no supervisado, en la mejora de la metodología existente. Ésta mejora metodológica es desarrollada y aplicada para las distintas técnicas de adquisición de imagen: <br> <p>1. Imagen cerebral adquirida mediante RM estructural en el estudio de la forma de la estructura del hipocampo para la enfermedad de Alzheimer, donde estudios previos longitudinales la asocian con el deterioro debido de la enfermedad. <br>2. Imagen cerebral adquirida mediante RM funcional para el estudio de la plasticidad cerebral asociada a procesos de aprendizaje. <br> <p><em>Metodología</em> <br>En el estudio de la forma del hipocampo se introduce la técnica de análisis de datos funcionales (FDA) para formas bidimensionales (2D) y tridimensionales (3D). En ambos estudios se propone una función discriminante lineal basada en ICA para la mejora en la clasificación de los datos. Por otro lado, en el estudio de la plasticidad cerebral se aporta un análisis donde las imágenes de RMf adquiridas en estado de reposo son guiadas por las imágenes de RMf basada en tarea, con el objetivo de encontrar un cambio de la conectividad funcional dado por el proceso de entrenamiento en una tarea nueva. <p><em>Conclusiones</em> <br>La aproximación mediante FDA para el análisis de imagen, muestra una superioridad con respecto a otras aproximaciones utilizadas. Además, la función discriminante basada en ICA propuesta en este trabajo proporciona mejores resultados en discriminación que usando la metodología descrita en la literatura previa. Con respecto al estudio de las imágenes de RMf, se muestra que la RMf en estado de reposo guiado por RMf basado en tarea abre un nuevo camino para el estudio de cómo el aprendizaje genera plasticidad cerebral.
spa
dc.format.extent
216 p.
dc.format.mimetype
application/pdf
dc.language.iso
spa
dc.publisher
Universitat Jaume I
dc.rights.license
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Análisis de componentes independientes
dc.subject
Aprendizaje no supervisado
dc.subject
Resonancia magnética
dc.subject
Enfermedad de Alzheimer
dc.subject
plasticidad cerebral y aprendizaje
dc.subject
conectividad funcional
dc.subject.other
Estadística i Investigació Operativa
dc.title
Contributions to statistical learning for magnetic resonance images
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
159.9
cat
dc.subject.udc
311
cat
dc.subject.udc
51
cat
dc.contributor.authoremail
venturan@uji.es
dc.contributor.director
Epifanio López, Irene
dc.contributor.director
Ávila Rivera, César
dc.embargo.terms
cap
dc.rights.accessLevel
info:eu-repo/semantics/openAccess


Documents

nventura.pdf

17.14Mb PDF

This item appears in the following Collection(s)