Diagnóstico automatizado da doença de Alzheimer utilizando redes neurais convolucionais
Carregando...
Data
Autores
Orientador
Casaca, Wallace Correa de Oliveira 
Coorientador
Pós-graduação
Curso de graduação
São José do Rio Preto - IBILCE - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A Doença de Alzheimer (DA) representa um desafio crescente para a saúde pública global, demandando métodos de diagnóstico mais rápidos e precisos. Este trabalho propõe um sistema automatizado para o diagnóstico da DA utilizando diferentes arquiteturas de Deep Learning aplicadas a imagens de Ressonância Magnética (MRI). O estudo visa classificar pacientes entre Controle Normal (NC), Comprometimento Cognitivo Leve (CCL) e DA, através da comparação sistemática de seis arquiteturas profundas de visão, incluindo uma Rede Neural Convolucional (CNN) customizada, modelos residuais (ResNet), modelos eficientes (EfficientNet), Vision Transformers (ViT) e Redes de Cápsulas (Caps-Net). O desempenho é avaliado por um conjunto robusto de métricas como acurácia, sensibilidade, especificidade e F1-score. Resultados indicam desempenho competitivo e o forte potencial destas arquiteturas como ferramentas de apoio ao diagnóstico clínico, oferecendo um comparativo robusto para pesquisas futuras.
Resumo (inglês)
Alzheimer’s Disease (AD) is a growing global public health challenge requiring faster and more accurate diagnostics. This work proposes an automated system for AD diagnosis using various Deep Learning architectures applied to Magnetic Resonance Imaging (MRI) scans. The study aims to classify patients into multiple diagnostic categories, including Normal Control (NC), Mild Cognitive Impairment (MCI), and AD, through the systematic comparison of six state-of-the-art architectures, including a customized Convolutional Neural Network (CNN), residual networks (ResNet), efficient models (EfficientNet), Vision Transformers (ViT), and Capsule Networks (CapsNet). Performance is evaluated using a robust set of metrics such as accuracy, sensitivity, specificity, and F1-score. Results show competitive performance and the strong potential of these architectures as clinical decision support tools, providing a robust benchmark for future research.
Descrição
Palavras-chave
Doença de Alzheimer, Redes neurais (Neurobiologia), Diagnóstico Automatizado, Imagens Médicas, Deep Learning, Alzheimer's disease, Neural networks (Neurobiology)
Idioma
Português
Citação
BARONI, Mateus Rosolem. Diagnóstico automatizado da doença de Alzheimer utilizando redes neurais convolucionais. 2025. Trabalho de Conclusão de Curso (graduação em Ciências da Computação) - Instituto de Biociências, Letras e Ciências Exatas, Universidade Estadual Paulista, São José do Rio Preto, 2025.
