Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2015. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-06-14T18:11:16Z No. of bitstreams: 1 2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2016-07-21T19:39:10Z (GMT) No. of bitstreams: 1 2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) / Made available in DSpace on 2016-07-21T19:39:10Z (GMT). No. of bitstreams: 1 2015_BartholomeuFerreiradaCruz.pdf: 2776245 bytes, checksum: 2a190fbd2c468e43af74a4620d5b707e (MD5) / A Esquizofrenia constitui um transtorno psíquico grave, apresentando manifestações em geral no final da adolescência e sendo um grande enigma, por não serem conhecidas suas causas concretas. Os transtornos esquizofrênicos caracterizam-se geralmente por deformidade nas características do pensamento e de percepção do real. O diagnóstico da doença é estritamente clínico e feito pelo psiquiatra com base na anamnese do paciente. O diagnóstico precoce dessa doença é essencial para o bem-estar do paciente e de seus familiares, trazendo melhor controle dos sintomas e melhor convívio social. Entretanto, o diagnóstico é muito complexo, pois os sintomas variam com o tempo e de pessoa para pessoa, e os indivíduos muitas vezes não se consideram doentes. Consequentemente, é comum que o tratamento se inicie tardiamente, quando a qualidade de vida já foi impactada. Por outro lado, evidências recentes descritas na literatura científica sugerem alterações anatômicas perceptíveis no cérebro de pacientes esquizofrênicos. Essas evidências são passíveis de serem observadas em imagens estruturais de ressonância magnética nuclear, o que sugere a utilização deste tipo de imagem para auxílio de diagnóstico. Nesse contexto, esta pesquisa propõe o desenvolvimento e a avaliação de um sistema para classificação de imagens de ressonância magnética para auxiliar de forma coadjuvante o diagnóstico clínico da doença. Neste sentido, foi realizado um plano de procedimentos para o desenvolvimento do classificador com base em máquinas de suporte vetorial (SVM, do inglês support vector machines) aplicadas às características de imagens de ressonância magnética extraídas de um único corte do plano axial. Desse modo, os procedimentos experimentais abrangem a escolha do corte axial, os pontos de extração, normalizações dos dados, análise MANOVA, testes de hipótese para escolha das estruturas anatômicas mais relevantes à classificação, treinamento do classificador de padrões em SVM e validações do classificador pela análise das medidas estatísticas de desempenho (verdadeiros positivos, verdadeiros negativos, falsos positivos, falsos negativos, acurácia, precisão, sensibilidade e especificidade). Foram realizadas comparações estatísticas entre as dimensões anatômicas de pacientes controles e esquizofrênicos, tanto em valores absolutos quanto em valores relativos às dimensões do cérebro. Neste último caso, foram testados quatro tipos de normalização das medidas -- considerando (i) a distância entre os pontos extremos do cérebro na vertical da imagem no corte analisado (altura), (ii) a distância entre os pontos extremos do cérebro na horizontal da imagem no corte analisado (largura), (iii) a norma dos comprimentos associados à altura e à largura, (iv) a dimensão (dentre altura e largura) na dimensão mais alinhada com cada estrutura anatômica em estudo. Os melhores resultados de classificação foram obtidos utilizando a normalização (i) de cada medida, e selecionando para o classificador apenas as estruturas para as quais haviam sido encontradas diferenças estatisticamente significativas entre esquizofrênicos e não-esquizofrênicos (com p < 0,05). O classificador submetido a estas entradas foi treinado com um percentual de todas as imagens disponíveis no banco de dados -foram avaliados os treinamentos com 60%, 65%, 70%, 80% das imagens. Para cada percentual, foram usadas para o treinamento até 50000 combinações de imagens de treinamento, e selecionou-se o sistema melhor treinado para a validação do sistema com as imagens não usadas no treinamento. Nessa situação, a taxa de erro do sistema melhor treinado foi de 6,7%. Assim, pode-se sugerir a utilização desta metodologia de classificação de esquizofrenia como exame complementar para auxiliar o diagnóstico clínico. Desse modo, compete frisar a importância do diagnóstico precoce nesses casos, para agilizar o procedimento terapêutico e preservar a qualidade de vida do paciente e dos seus familiares. ________________________________________________________________________________________________ ABSTRACT / Schizophrenia is a psychic disorder, presenting it's symptoms generally at the end of the adolescence and being a wide enigma due to the fact of the not well known concrete causes of it. The schizophrenia's disorders are characterized, in general, as a deformed perception of the reality and character of thinking. The diagnosis of the disease is strictly clinical and made by a psychiatrist, based on the anamneses of the patient. The premature diagnosis of this disease is essential for a comfortable life for the patient and its familiars, bringing improvements on the control of the symptoms and better social life's interactions. Indeed, the diagnosis is very complex because the symptoms change through the time and through the people, and the patients, mostly don't consider themselves as sick. Consequently, it's common that the treatment starts later than it should, and then the life quality of the person had already been impacted. Looking from another point, recent evidences described on the scienti_c literature propose perceptible anatomic changes on the schizophrenia patients brains. Those evidences are insusceptible of being observed on structure images of the nuclear magnetic resonance, that proposes the usage of this type of image to help the diagnosis. In that context, this research proposes the development and evaluation of a system for classifying the magnetic resonance's images to assist, in a supporting way ,the clinical diagnosis of the disease. In this sense, it has been made a proceedings project for the development of a classi_er based on support vector machines(SVM) applied to the magnetic resonance's pictures cut from a singular axial frame. In that way, the experimental proceedings cover the action of choosing the axial cut, the extraction points, the data normalization, MANOVA test,the hypothetical test to select the most relevant anatomic structures for the classi_cation, the classi_er of standards' training on SVM and validations of the classi_er by the analysis of the statistics of behavior's measures (true positives, true negatives, false positives, false negatives, accuracy, precision, sensibility and speci_city). Statistics comparisons between anatomic dimensions of control patients and the schizophrenic ones, were made both in absolute values and relative values to the brain's dimensions. In that last case, were tested four types of measure's normalizations-considering ;(i) the distance between the extreme points of the brain, on vertical at the analyzed cut's picture; (ii) the distance between the extreme point of the brain, on horizontal at the analyzed cut's picture (width); (iii) the length's norm associated by the height and the width;(iv) the dimension(between height and width) on the dimension more aliened with each anatomic structure in study. The best results of classi_cation were gotten using the normalization (i) of each measure, and selecting for the classi_er, only the structures which has been found statistically signi_cant di_erences between schizophrenics and non schizophrenics (with p<0,05). The classi_er submitted at these entries, were trained with a percentage of every image available at the data bank- were evaluated the trainings with 60%, 65%, 70%, and 80% of the images. For each percentage, were explored for the training up to 50000 combination of training images, and the best trained system was selected for the validation of the system with the non used pictures at the training. In that situation, the error rate of the best trained system was of 6,7%. Therefore, it can be suggested the utilization of this methodology of classi_cation of the schizophrenia as a trigger for supporting the clinical diagnosis. In that way, it is important to crimp the importance of the premature diagnosis in those cases, for making the therapeutic proceeding faster and maintaining the life's quality of the patient and its belongings.

Publicación a texto completo no autorizada por el autor / La situación de salud mental de las personas que padecen esquizofrenia en el Perú contribuye a la estigmatización y al círculo de pobreza de sus familias. Además del deterioro funcional, pobre reconocimiento de la necesidad de atención en salud mental, los centros de atención terciaria de la enfermedad son muy escasos en Perú. El objetivo es evaluar el funcionamiento mediante la Escala Breve de Evaluación del Funcionamiento según tiempo de enfermedad, en una muestra de pacientes con esquizofrenia del Hospital Hermilio Valdizán de Lima - Perú. Previo consentimiento informado, se realiza la entrevista clínica, aplicación del instrumento de recolección de datos y aplicación de la escala, a un grupo de 136 pacientes, divididos en grupos de 34 cada uno, por cada periodo de tiempo de enfermedad. Siendo las principales medidas de resultado el funcionamiento y los síntomas psicóticos. Se realiza un estudio no experimental, cuali-cuantitativo, con el diseño observacional transversal. Dando como resultado que el 57% de la muestra está conformada por varones. El 47.9 % se encuentra dentro del rango de edades de 21 a 30 años. Existe diferencia significativa entre la funcionalidad medida con la Escala Breve de Evaluación del Funcionamiento (p <0.005) entre el grupo de pacientes que cursan con tiempo menor de un año de enfermedad versus los otros. Los pacientes con menos de un año de enfermedad muestran mayor grado de funcionamiento, comparado con los demás grupos de estudio. Se ha visto la necesidad de detectar el menoscabo inicial y plantear estrategias tempranas para la rehabilitación de las personas afectadas. / Tesis

Os sintomas negativos têm sido apontados como grande causa de sobrecarga nos pacientes esquizofrênicos, apesar dos recentes avanços no tratamento. Este estudo teve por objetivo investigar a correlação entre os sintoma s negativos e a qualidade de vida, em pacientes esquizofrênicos refratários e super-refratários. Cento e dois pacientes que preenchiam os critérios DSM-IV para esquizofrenia foram observados durante seis meses. Os pacientes foram divididos de acordo com critérios pré-estabelecidos, em três grupos: não refratários (N=22), refratários (N= 47) e super-refratários (N= 31), A psicopatologia foi avaliada por meio da Escala para Avaliação da Síndrome Positiva e Negativa (PANSS), Entrevista para Síndrome Deficitária (SDS) e Escala de Calgary para Depressão na Esquizofrenia. A qualidade de vida foi medida pela Escala de Qualidade de Vida (QV) . Os super-refratários tiveram os menores escores de QV, quando comparados ao grupo não refratário (p < 0,05). Não houve diferenças significativas nos escores médios de QV entre os refratários e superrefratários. Pacientes não refratários apresentaram menos sintomas negativos e melhores escores de QV. Os sintomas negativos tiveram uma correlação negativa com a qualidade de vida. Pacientes super-refratários, com mais sintomas negativos, tenderam a ter os menores escores de qualidade de vida / Negative symptoms have been reported as a major cause of burden in schizophrenic patients and often do not respond to drug treatment, in spite of recent advances in antipsychotic therapy. The present study aims to investigate the correlation of negative symptoms with quality of life in refractory schizophrenic patients. One hundred two outpatients meeting DSM-IV criteria for schizophrenia, were observed during 6 months. Subjects were divided into 3 groups: non-refractory (N=22), refractory (N= 47) and superrefractory (N= 31), according to pre-established criteria. Psychopatology was assessed with the Positive and Negative Syndrome Scale (PANSS), Schedule for Deficit Syndrome (SDS) and the Calgary Depression Scale for Schizophrenia. Quality of life was measured with the Quality of Life Scale (QoL). The super-refractory group had significantly lower QoL scores compared with the non-refractory group (P< 0,05). Mean QoL scores of superrefractory and refractory patients did not show a significant difference between them. Nonrefractory patients had fewer negative symptoms and better QoL scores. Negative symptoms negatively correlate with quality of life in schizophrenic patients. Superrefractory schizophrenic patients have the highest level of negative symptoms, and therefore the lowest QoL scores

Dissertação (mestrado)—Universidade de Brasília, Faculdade UnB Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2018. / A esquizofrenia é uma transtorno psíquico grave que afeta cerca de 1% da população mundial, e seu diagnóstico é realizado por um médico especializado baseando-se no Manual do Diagnóstico e Estatístico de Transtornos Mentais DSM-5. Contudo, este tipo de diagnóstico geralmente acontece de forma tardia e diminuindo as chances de tratamento. Diante da complexidade do diagnóstico clássico da esquizofrenia apresentado pelo manual e da descoberta de mudanças anatômicas em áreas do cérebro existentes em pacientes com a doença, estudos recentes que utilizaram as características anatômicas para classificação obtiveram resultados promissores. Apesar de mostrarem-se promissores, apenas algumas regiões do cérebro foram utilizadas para classificação, porém, a esquizofrenia apresenta alterações anatômicas em diversas áreas, não havendo um padrão de escolha definitivo para o problema. Por outro lado, houve avanços em técnicas de aprendizado de máquina como o Aprendizado Profundo (do inglês, deep learning). Nestas técnicas não há a necessidade da escolha de características para a classificação do estudo, em outras palavras, sendo uma técnica em que as estruturas aprendem as melhores características que descrevem o problema de forma automática, diferentemente de técnicas clássicas de classificação como a SVM (do inglês, Support Vector Machine), em que existe a necessidade da escolha destas características como forma de entrada. Neste contexto, a pesquisa propõe a aplicação de uma técnica de deep learning chamada Rede Neural Convolucional (CNN, do inglês Convolutional Neural Network ) para classificação automática de imagens de ressonância magnética estrutural do cérebro e diagnóstico da esquizofrenia, além de realizar a extração das características aprendidas no treinamento para utilização em outros classificadores clássicos para comparação. O método proposto consiste no desenvolvimento de uma estrutura convolucional baseada em CNN, produzindo métricas de desempenho como precisão, acurácia e sensibilidade relativos ao diagnóstico. Foi utilizado um banco de dados de MRI do encéfalo humano ponderadas em T2 de 87 indivíduos diagnosticados previamente com esquizofrenia e 85 indivíduos saudáveis de controle. O estudo ainda apresenta uma comparação de desempenho relativos ao tamanho da rede convolucional e o tamanho dos filtros utilizados, de modo a apresentar a rede que melhor se adéque ao problema. É realizada ainda uma validação cruzada dos dados, utilizando um método de holdout com reamostragem aleatória com 530 iterações para cada predição e um método de k-fold com k=20, afim de medir e comparar os algoritmos de aprendizado para produzir um resultado mais confiável e reprodutível, estimando o desempenho e normalizando a generalização do sistema. Em cada validação 70% das imagens foram utilizadas para treinamento e 30% para classificação e validação do sistema. Além disso, uma camada de dropout foi introduzida para prevenir a ocorrência de overfitting. Resultados utilizando k-fold apresentam uma acurácia média de 84% para uma rede convolucional de tamanho 3, com camadas de dropout antes e depois da camada de conexão. Portanto, o uso de técnicas de deep learning para auxílio ao diagnóstico de esquizofrenia mostra-se promissor, onde houve um avanço nos resultados previamente obtidos utilizando o mesmo banco de dados. Desta forma evidenciando que com o avanço de técnicas de classificação de imagens, mais próximo será a utilização destes modelos de forma segura para o auxílio ao diagnóstico de doenças. Ainda, a região que maior apresentou interferência e peso para classificação mostrou compatibilidade com a literatura existente. / Schizophrenia is a severe psychiatric disorder that affects about 1% of the world’s population and is diagnosed by a physician based on the Diagnostic and Statistical Manual of Mental Disorders DSM-5. However, this type of diagnosis usually happens belatedly, lowering treatment success. Given the complexity of the classic diagnosis of schizophrenia presented by the manual and the discovery of anatomical changes in areas of the brain existing in patients with the disease, recent studies that used anatomical characteristics for classification have obtained promising results. Although studies are promising, only a few regions of the brain have been used for classification, but schizophrenia has anatomical changes in several areas, and there is no definitive pattern of choice for the problem. On the other hand, there have been advances in machine learning techniques such as deep learning. In these techniques, there is no need to choose characteristics for the classification of the study; in other words, it is a technique which structures learn the best characteristics that describes the problem automatically, unlike the classical techniques of classification such as SVM (Support VectorMachine) which there is a need to choose these features as input. In this context, the research proposes the development of a deep learning technique called the Convolutional Neural Network (CNN) for automatic classification of brain magnetic resonance imaging and diagnosis of schizophrenia, also extracting the learne characteristics in training for use in other classical classifiers for comparison. The proposed method consists in developing a trellis structure based on CNN, producing performance metrics such as precision, accuracy and sensitivity for the diagnosis. An MRI database of the human brain T2-weighted of 87 individuals previously diagnosed with schizophrenia and 85 healthy control subjects was used. The study also shows a performance comparison for the size of convolutional network and filter size used to display the network that best describes the problem. A cross-validation of the data is performed, using a holdout method with random subsampling of 530 iterations for each prediction and a k-fold using k=20, in order to measure and compare the learning algorithms to produce a more reliable and reproducible result, estimating the performance and normalizing the generalization of the system. In each validation, 70% of the images were used for training and 30% for system classification and validation. In addition, a dropout layer was introduced to prevent the occurrence of overfitting. Preliminary results have an average accuracy of 84% for a convolutional network of size 3, with dropout layers before and after the connection layer. Therefore, the use of deep learning techniques to aid in the diagnosis of schizophrenia is promising, where there was an improvement in the results previously obtained using the same database, indicating that with the advancement of image classification techniques, the closer will be the use of these models in a safe way for diagnosis of diseases. Also, the region that presented the greatest interference and weight for classification was compatible with the existing literature.

Os sintomas negativos têm sido apontados como grande causa de sobrecarga nos pacientes esquizofrênicos, apesar dos recentes avanços no tratamento. Este estudo teve por objetivo investigar a correlação entre os sintoma s negativos e a qualidade de vida, em pacientes esquizofrênicos refratários e super-refratários. Cento e dois pacientes que preenchiam os critérios DSM-IV para esquizofrenia foram observados durante seis meses. Os pacientes foram divididos de acordo com critérios pré-estabelecidos, em três grupos: não refratários (N=22), refratários (N= 47) e super-refratários (N= 31), A psicopatologia foi avaliada por meio da Escala para Avaliação da Síndrome Positiva e Negativa (PANSS), Entrevista para Síndrome Deficitária (SDS) e Escala de Calgary para Depressão na Esquizofrenia. A qualidade de vida foi medida pela Escala de Qualidade de Vida (QV) . Os super-refratários tiveram os menores escores de QV, quando comparados ao grupo não refratário (p < 0,05). Não houve diferenças significativas nos escores médios de QV entre os refratários e superrefratários. Pacientes não refratários apresentaram menos sintomas negativos e melhores escores de QV. Os sintomas negativos tiveram uma correlação negativa com a qualidade de vida. Pacientes super-refratários, com mais sintomas negativos, tenderam a ter os menores escores de qualidade de vida / Negative symptoms have been reported as a major cause of burden in schizophrenic patients and often do not respond to drug treatment, in spite of recent advances in antipsychotic therapy. The present study aims to investigate the correlation of negative symptoms with quality of life in refractory schizophrenic patients. One hundred two outpatients meeting DSM-IV criteria for schizophrenia, were observed during 6 months. Subjects were divided into 3 groups: non-refractory (N=22), refractory (N= 47) and superrefractory (N= 31), according to pre-established criteria. Psychopatology was assessed with the Positive and Negative Syndrome Scale (PANSS), Schedule for Deficit Syndrome (SDS) and the Calgary Depression Scale for Schizophrenia. Quality of life was measured with the Quality of Life Scale (QoL). The super-refractory group had significantly lower QoL scores compared with the non-refractory group (P< 0,05). Mean QoL scores of superrefractory and refractory patients did not show a significant difference between them. Nonrefractory patients had fewer negative symptoms and better QoL scores. Negative symptoms negatively correlate with quality of life in schizophrenic patients. Superrefractory schizophrenic patients have the highest level of negative symptoms, and therefore the lowest QoL scores