Para acceder a los documentos con el texto completo, por favor, siga el siguiente enlace: http://hdl.handle.net/2117/97331

Título:	Nonlinear analysis toolbox for neurodegenerative diseases and aging; Herramienta de software de análisis no lineal de enfermedades neurodegenerativas y el envejecimiento; Eina de software d'anàlisi no lineal de malalties neurodegeneratives i l'envelliment
Autor/a:	Puch Giner, Santiago
Otros autores:	Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Fundació Pasqual Maragall; Vilaplana Besler, Verónica
Abstract:	Las enfermedades neurodegenerativas suponen una importante carga para la sanidad pública de todas las poblaciones del mundo. La enfermedad de Alzheimer se encuentra entre las enfermedades neurodegenerativas mas importantes, y sus causas y tratamiento no son conocidos todavía. Debido a esto, investigadores de todo el mundo están realizando estudios impulsados por datos con el objetivo de descubrir las causas y los mecanismos biológicos de susodichas enfermedades, por lo que se requieren herramientas automáticas que permitan desvelar resultados que sean estadísticamente significativos. Para afrontar este problema presentamos en esta tesis un software que proporciona las herramientas para analizar los patrones lineales y no lineales de la materia gris y estudiar la significatividad estadística de tales dinámicas a escala de voxel. La herramienta de software incluye diversos métodos de ajuste y métricas de evaluación del ajuste, un algoritmo de búsqueda de hiper parámetros y varias herramientas de visualización y comparación. Todas las características proporcionadas en este software fueron probadas en estudios de la Fundación Pasqual Maragall, y los resultados generados por éste fueron validados por los resultados de los estudios originales.
Abstract:	Les malalties neurodegeneratives suposen una càrrega substancial en la sanitat pública de les poblacions d'arreu del món. La malaltia d'Alzheimer és una de les malalties neurodegeneratives més importants, i les seves causes i tractament són encara desconeguts. Investigadors d'arreu del món estan duent a terme estudis impulsats per dades per tal de descobrir les causes i els mecanismes biològics de les malalties abans mencionades, i per aquesta raó es requereixen eines automàtiques que permetin trobar resultats amb rellevància estadística. Per abordar aquest problema presentem en aquesta tesi un software que proporciona les eines necessàries per analitzar els patrons dinàmics lineals i no lineals de la matèria grisa i estudiar la rellevància estadística d'aquests patrons a escala de voxel. El software ofereix diversos mètodes d'ajust de dades i de mètriques de la qualitat de l'ajust, un algoritme automàtic de cerca d'hiper paràmetres i vàries eines de comparació i visualització. Totes les característiques proporcionades en aquest software van ser provades en dos estudis reals proporcionats per la Fundació Pasqual Maragall, i els resultats generats van ser validats pels resultats dels estudis originals.
Abstract:	Neurodegenerative diseases impose substantial public health burdens on populations throughout the world. Alzheimer’s disease is among the major neurodegenerative diseases, and its causes and treatment are still unknown. Researchers around the world are conducting large data-driven studies in order to unveil the causes and biological mechanisms of such diseases, and for that reason automatic tools that allow to uncover statistically significant findings are needed. To address this problem we present in this thesis a software toolbox that provides the tools to analyze the linear and nonlinear dynamics of gray-matter and study the statistical significance of such dynamics at the voxel level. The toolbox features various fitting methods and fit evaluation metrics, an automatic hyperparameters look-up algorithm and several visualization and comparison tools. All the features provided in this toolbox were tested in two real problems provided by the Pasqual Maragall Foundation, and it yielded results that were validated by the findings in the original studies.
Materia(s):	-Àrees temàtiques de la UPC::Enginyeria de la telecomunicació -Machine learning -Bioengineering -Neurosciences -Machine learning -Bioengineering -Statistics -Neuroscience -Aprendizaje automático -Bioingeniería -Estadística -Neurociencias -Estadística -Aprenentatge automàtic -Bioenginyeria -Neurociències
Derechos:	S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada' http://creativecommons.org/licenses/by-nc-nd/3.0/es/
Tipo de documento:	Trabajo/Proyecto fin de carrera
Editor:	Universitat Politècnica de Catalunya
Compartir:

Mostrar el registro completo del ítem