Multi Modal Approach for Multiple Sclerosis Classification Using Graph Neural Networks
Samper Vila, Joan
Casas Roma, Jordi, tut. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Enfocament multimodal per a la classificació de l'esclerosi múltiple utilitzant xarxes neuronals de grafs
Títol variant:	Enfoque multimodal para la clasificación de la esclerosis múltiple usando redes neuronales de grafos
Data:	2025
Resum:	L'estudi de l'esclerosi múltiple (EM) mitjançant representacions del cervell basades en grafs presenta una oportunitat prometedora per avançar en el seu diagnòstic, tractament i prevenció. En aquest treball, proposem un enfocament d'anàlisi de grafs per classificar persones amb EM (pwMS) i voluntaris sans (HV) a partir de dades de neuroimatge, obtenint resultats amb el potencial de diagnosticar i prevenir l'EM en les seves primeres etapes. El nostre mètode integra tres modalitats diferents d'imatge cerebral: imatge per tensor de difusió (DTI), ressonància magnètica funcional en repòs (rs-fMRI) i dades de substància grisa (GM). Per abordar reptes com el desequilibri de classes i la disponibilitat limitada de dades, utilitzem estratègies avançades d'augment de dades, incloent-hi la barreja de grafs i la tècnica SMOTE. Avaluem models tradicionals d'aprenentatge automàtic juntament amb arquitectures GCN i GAT, demostrant que el GCN multimodal supera significativament els altres models, especialment en la classificació binària entre pacients amb EM i controls sans. A més, proporcionem anàlisis d'interpretabilitat per identificar regions cerebrals clau i característiques topològiques rellevants per a la progressió de la malaltia. Els nostres resultats posen en relleu el potencial dels enfocaments multimodals basats en GNN per millorar el diagnòstic de l'EM, contribuint al desenvolupament d'intel·ligència artificial amb resultats explicables en neurociència clínica.
Resum:	El estudio de la esclerosis múltiple (EM) mediante representaciones del cerebro basadas en grafos ofrece una oportunidad prometedora para avanzar en su diagnóstico, tratamiento y prevención. En este trabajo, proponemos un enfoque de análisis de grafos para clasificar a personas con EM (pwMS) y a voluntarios sanos (HV) a partir de datos de neuroimagen, con resultados que tienen el potencial de diagnosticar y prevenir la EM en sus etapas iniciales. Nuestro método integra tres modalidades diferentes de imagen cerebral: imágenes por tensor de difusión (DTI), resonancia magnética funcional en estado de reposo (rs-fMRI) y datos de sustancia gris (GM). Para abordar desafíos como el desbalanceo entre clases y la disponibilidad limitada de datos, empleamos estrategias avanzadas de aumento de datos, incluyendo mezcla de grafos y SMOTE. Evaluamos modelos clásicos de aprendizaje automático junto con arquitecturas GCN y GAT, demostrando que el modelo GCN multimodal supera significativamente a los demás, especialmente en la clasificación binaria entre pacientes con EM y controles sanos. Además, proporcionamos análisis de interpretabilidad para identificar regiones cerebrales clave y características topológicas relevantes en la progresión de la enfermedad. Nuestros hallazgos destacan el potencial de los enfoques multimodales basados en GNN para mejorar el diagnóstico de la EM, contribuyendo al desarrollo de inteligencia artificial con resultados explicables en neurociencia clínica.
Resum:	The study of Multiple Sclerosis (MS) using graph-based representations of the brain presents a promising opportunity for.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Anglès
Titulació:	Grau en Intel·ligència Artificial [2504392]
Pla d'estudis:	Intel·ligència Artificial [1497]
Document:	Treball final de grau ; Text
Matèria:	Enfocament multimodal ; Esclerosi múltiple ; Xarxa neuronal de grafs ; Xarxa neuronal convolucional de grafs ; Xarxa neuronal d'atenció sobre grafs ; Enfoque multimodal ; Esclerosis múltiple ; Red neuronal de grafos ; Red neuronal convolucional de grafos ; Red neuronal de atención sobre grafos ; Multi-modal approach ; Multiple Sclerosis ; Graph Neural Network ; Graph Convolutional Network ; Graph Attention Network

23 p, 2.3 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG