Este trabalho apresenta o desenvolvimento de uma ontologia espacial para descrever o sistema ventricular cerebral e o conhecimento presente em estudos de neuroimagem. Como resultado final, obtemos uma ontologia-epistemologia que representa a mereologia do sistema ventricular cerebral e pode ter novas classes inseridas através dos resultados da análise estatística, bem como a representação de valores encontrados na literatura.
INTRODUÇÃO
Objetivo
A primeira demonstra como extrair conhecimento e informações do domínio por meio da segmentação de imagens. Os pontos encontrados são segmentados por meio de modelos deformáveis [7], o que nos permite extraí-los e mapeá-los em um atlas cerebral (neste caso o atlas de Talairach) para conhecer as regiões anatômicas que são representadas por estes pontos.
Contribuições
A descoberta de descobertas relevantes através de técnicas de análise estatística é feita através da análise discriminante de incerteza linear máxima (MLDA). Descrição das estruturas cerebrais identificadas por análise estatística através de um atlas cerebral e sua integração na ontologia.
Organização do trabalho
REVISÃO BIBLIOGRÁFICA
- Ontologias
- A Construção da Ontologia - Conceitos
- Ontologias Biomédicas
- Epistemologia
- Alterações morfológicas associadas à casos de esquizofrenia
- Estruturas morfológicas e características cerebrais afetadas pela es- quizofrenia
- Alterações no Sistema Ventricular Cerebral
- Volume cerebral
- Lobo Temporal
- Lobo Temporal Medial
- Giro Temporal Superior - GTS
- Tálamo e Gânglios da Base
- Assimetria Cerebral, Lobos Frontais, Occipitais e Parietais
- O sistema ventricular cerebral
- Limites fiat
Lawrie e Abukmeil [35] relatam uma redução de 6 a 7% no volume desta estrutura, redução também observada por Sallet [30]. Na próxima seção daremos uma breve descrição das partes anatômicas que compõem o sistema ventricular cerebral.
MÉTODOS
Técnicas e ferramentas de análise de imagens médicas
- Segmentação de imagens
- Segmentação por crescimento de região
- SPM - Statistical Parametring Mapping
O algoritmo de segmentação de crescimento de região assume que a região de interesse em uma imagem consiste em uma conexão de pixels ou voxels de valor semelhante [51]. O algoritmo de crescimento de região é inicializado com interação do usuário, que escolhe um voxel dentro da região de interesse. A Figura 6 mostra um exemplo de segmentação de imagem de modelo utilizando o algoritmo de crescimento de região que utilizamos neste trabalho, aplicando diferentes limites.
Neste trabalho utilizaremos um algoritmo de crescimento de região para segmentar e conhecer o número de voxels de regiões ventriculares observadas em cortes de IMR.
Estatística multivariada (PCA+MLDA) e testes de tamanho efetivo
A análise de componentes principais é aplicada à matriz que contém nosso conjunto de amostras (neuroimagens) para reduzir sua dimensão, preservando os valores de variância mais significativos de cada amostra e descartando variâncias zero, reduzindo a dimensionalidade dos dados a serem analisados pelo MLDA , é reduzido. Como resultado da aplicação do modelo estatístico multivariado às imagens que compõem os grupos controle e pacientes, obtemos a característica mais distintiva de cada imagem projetada no espaço MLDA. Também podemos reprojetar esses pontos em seu espaço original, reconstruindo a imagem para que as características dos extremos de cada grupo (representando as imagens mais distantes) possam ser comparadas.
Como C é o padrão de imagem reconstruído a partir do ponto extremo do grupo controle e P é o padrão de imagem reconstruído a partir do grupo de pacientes, o termo σ representa a variância ponderada de cada grupo projetado no espaço MLDA e os termos nc o número de indivíduos compreendendo grupos de controle e np o número de indivíduos que compõem os grupos de pacientes [7].
Teoria de inclusão básica - BIT
- Relações Inversas
- Axiomas Adicionais
- Princípio da Suplementação Fraca - Weak Supplementation Principle
- Teoria de Classes
- Classes Discretas
- Relações mereológicas na teoria de classes
- Implicações utilizando a teoria de classes
- Considerações sobre a escolha da BIT
A relação da parte real é transitiva, ou seja, gênero é a parte real de y e y é a parte real do décimo, e então x é a parte real de z (fórmula 3.10). A Fórmula 3.11 significa que o gênero é a parte correspondente de ytenia e não a parte correspondente de x, o que indica assimetria. A Fórmula 3.16 significa que o pólo é a parte real de y, de modo que x se sobrepõe a y, e a Fórmula 3.17 nos diz que o pólo se sobrepõe a yy e é a décima parte de x que se sobrepõe a z.
Por exemplo, a fórmula 3.56 significa que a implicação: a classe A é uma parte adequada da classe B, tal que A está contida em B é válida para todas as versões de.
O Protégé
A desvantagem do BIT é o fato de não possuir relações que definam os limites e a continuidade entre as estruturas anatômicas (como a relação BFO BoundaryO f(x,y), pois entendemos que o limite de cada estrutura anatômica é de fundamental importância para a representação da entidade de interesse, pois o conhecimento anatômico é baseado em seções, pontos e superfícies [21].O Protégé 4 possui dois sistemas nativos de inferência automática que nos permitem fazer inferência de domínio, nomeadamente Pellet [68] e Classificação Rápida de Terminologias (FaCT) [69].70 ] apresentam em seu trabalho um estudo de alguns sistemas de inferência automática aplicados à linguagem OWL, incluindo FaCT e Pellet.
Os autores concluem que todos os sistemas de raciocínio automático testados apresentam resultados corretos, sendo a principal diferença entre eles o desempenho (que varia de acordo com o número de indivíduos e classes a serem inferidas do modelo definido).
RESULTADOS
Classificação dos elementos do SVC utilizando a teoria de classes
Como vimos até agora, o sistema ventricular cerebral consiste basicamente em dois tipos de estruturas, os ventrículos (ventrículo lateral, terceiro ventrículo e quarto ventrículo) e forames (forame de Monro e aqueduto cerebral, forame de Luschka e buraco de Magendie. ). Outra representação taxonômica proposta neste artigo é baseada na mereologia do sistema ventricular cerebral, cada estrutura e subestrutura anatômica que compõe o sistema ventricular cerebral é instanciada como uma classe, como podemos ver na figura 12. As fórmulas 4.13 a 4.16 representam que os ventrículos são parte adequada do sistema ventricular cerebral e todo sistema ventricular cerebral possui ventrículos.
Assim, com a formalização baseada na teoria das classes construídas, é necessário criar formas de representar os limites de cada estrutura e a continuidade entre as estruturas do sistema ventricular cerebral.
Representando a propriedade de continuidade
Nas Seções 4.2 e 4.3 apresentaremos a extensão proposta do BIT para relações de fronteira e continuidade entre estruturas anatômicas. Assim, dada a definição de descontinuidade, podemos determinar a continuidade de uma região através da fórmula 4.39. Esta fórmula define que uma região x é contínua com a região y se x é uma parte própria de youx é parte de y para toda região z que é uma descontinuidade, não localizada na região x.
Esta representação é feita pela fórmula 4.40, que define que uma região é contínua e máxima se regiãoxis é contínua com região e não existe áreaaz que seja parte própria de y e contínua e y, ou seja:.
Representando limites fiat
A Fórmula 4.43 garante a não reflexividade da relação LFiat, em outras palavras, o hospedeiro de uma fronteira fiduciária não é uma fronteira fiduciária. LFiat(x,y)∧LFiat(y,z)→PCoin(x,y) (4.45) Finalmente, a fórmula 4.45 representa que se x é um limite fiduciário em y e y é um limite fiduciário em z, então fiat -o os limites x e y coincidem parcialmente. Abaixo apresentamos a região hospedeira de cada limite fiat que utilizamos no delineamento das estruturas do sistema ventricular cerebral, mostrada na Figura 13.
Z17 é um limite plano e sua região hospedeira é o forame esquerdo de Luschka com o quarto ventrículo (FLE);
Representando o sistema ventricular cerebral
- Formalizando detalhes anatômicos e forames
LFiat(Z2,x)∧Segment(x,SVC) (4.69) A Fórmula 4.69 nos diz que x é o ventrículo lateral direito se o volume ϕ for maior que o volume do terceiro ventrículo e maior que o volume do quarto ventrículo e O limite z2for fiat emxex é contínuo e máximo em relação ao sistema ventricular cerebral. LFiat(Z1,x)∧Segment(x,SVC) (4.70) A Fórmula 4.70 afirma que x é o ventrículo lateral esquerdo, se o volumeϕ for maior que o volume do terceiro ventrículo e maior que o volume do quarto ventrículo e Z1para limite fiat e xex é contínuo e máximo para o sistema ventricular cerebral. ϕ >Vol_QV)∧LFiat(Z3,x)∧Segment(x,SVC) (4.71) A Fórmula 4.71 define que x é o terceiro ventrículo, se o volumeϕ for menor que o volume dos ventrículos laterais esquerdo e direito e maior que o volume do quarto ventrículo eZ3for limite fiat em xexfor contínuo e máximo para o sistema ventricular cerebral. A Fórmula 4.71 nos diz que x é o quarto ventrículo, se o volume ϕ for menor que o volume dos ventrículos laterais esquerdo e direito e menor que o volume do terceiro ventrículo, e Z4 é um limite fiat emxex para contínuo e máximo para o sistema ventricular cerebral.
Ainda temos os forames de Monro esquerdo e direito conectando-se ao corno frontal dos ventrículos laterais esquerdo e direito.
Incluindo conhecimento na representação formal - Classes epistêmicas
As classes ontológicas representarão o domínio e dentre elas estarão as classes epistêmicas que representam o conhecimento sobre o domínio. Assim, garantimos que os indivíduos que representam o conhecimento sobre o domínio serão instanciados entre as classes epistêmicas e os indivíduos que representam características do domínio entre as classes ontológicas. Is_a(EPIST,ONT)≡ ∀x(Inst(x,EPIST)→ ¬Inst(x,ONT)∧κ(x,ONT) (4.92) Podemos então criar as classes que o conhecimento encontrado na literatura irá representar, o que chamaremos de classes epistêmicas.
As fórmulas 4.93 a 4.100 representam a instanciação de classes epistêmicas representativas do conhecimento encontrado na literatura, neste caso, as classes ventriculares controle e paciente.
Implementação da formalização ontológica e epistêmica no Protégé
- Classes epistêmicas no Protégé
- Raciocinando sobre a formalização proposta
Individualizando o conhecimento em neuroimagens
O cálculo do volume dos ventrículos é realizado somando os voxels que compõem a região de cada fatia e multiplicando o número total de voxels pelo valor do volume individual de um voxel (o volume do voxel é obtido no MRicro programa no tamanho do campo (mm), destacado na figura 25). Podemos ver na Figura 26(A) a seta indicando o ponto selecionado pelo usuário ao executar o algoritmo para um corte específico, e na Figura 26(B), após a execução do algoritmo, a imagem de saída segmentada e uma contagem que acumula o número de voxels que compõem a região. Cada volume ventricular de uma neuroimagem, independente do grupo ao qual pertence (paciente ou controle), é um indivíduo ontológico por apresentar uma característica do domínio.
Assim, os indivíduos que compõem o grupo controle e os pacientes também podem ser agrupados em classes epistêmicas que se ajustem aos conceitos que representam.
Integrando a ontologia aos dados extraídos das análises es- tatísticas
- Identificando regiões cerebrais
Após a identificação dos pontos relevantes a partir dos testes de tamanho efetivo, foi aplicada a segmentação segundo modelos deformáveis, cujo objetivo é obter as relações espaciais entre os pontos detectados. A Figura 30 mostra um exemplo de corte de neuroimagem com os pontos mais significativos detectados pela análise PCA+MLDA e testes de tamanho efetivo, bem como segmentação através de modelos deformáveis. Na próxima seção consideraremos como converter os pontos encontrados pela análise estatística em informações sobre regiões cerebrais.
Então, como no nosso exemplo, podemos descobrir a qual região cerebral pertencem os pontos encontrados por meio de análise estatística aplicada ao conjunto de imagens.
Realimentando a ontologia com a expectativa gerada pelas análises estatísticas
Após a transformação, as distâncias obtidas no espaço de Talairach correspondentes à distância MNI são examinadas no atlas de Talairach, mostrando as regiões cerebrais às quais esses pontos pertencem, como pode ser visto na Tabela 5. A próxima seção trata do resultado desta transformação dos pontos significativos nas regiões cerebrais e feedback da ontologia desses pontos. Obtemos então um ranking dos cortes contendo as regiões com maiores níveis de sensibilidade, mostrados na Tabela 6, e os cortes de neuroimagem equivalentes são mostrados na Figura 34.
As regiões cerebrais correspondentes aos diferentes pontos que compõem as regiões segmentadas podem ser descobertas transpondo os pontos, como mostrado no nosso exemplo anterior.
Incluindo probabilidades encontradas na literatura
- Considerações Finais
A Figura 36 mostra a classe epistêmica representando os percentuais de alterações no ventrículo lateral apresentados na Tabela 8. A esta classe foi atribuído o exemplo de um indivíduo relacionado ao seu homólogo ontológico pela razão κ. A instância individual (individual_3) foi associada a uma classe representando os valores de mudança encontrados na literatura.
A consulta é sobre alterações no valor de um aumento de 40% no volume e este é um conhecimento relacionado aos ventrículos laterais, e o resultado obtido é um exemplo de um indivíduo que foi associado à turma.
CONCLUSÕES E TRABALHOS FUTUROS
Em nosso trabalho, tivemos a necessidade de representar fronteiras fiduciárias, que, como conceituamos na seção 2.5, são utilizadas para delimitar regiões ou objetos cujas fronteiras são consensualmente aceitas. A representação alternativa proposta neste trabalho na seção 4.5 foi inspirada na lógica epistêmica proposta no trabalho de Tabet [75]. A integração com regiões encontradas por análise estatística e a segmentação de regiões através de modelos deformáveis, proposta na seção 4.7, consiste na detecção da região cerebral através da transformação dos pontos encontrados em mudanças significativas, do espaço da imagem para coordenadas. do atlas Talairach.
Com os pontos identificados, as regiões detectadas foram utilizadas para alimentar a ontologia, o que garante uma importante característica mencionada na Seção 2.1, a extensibilidade.
Ontology as a core discipline of biomedical informatics; legacies from the past and recommendations for the future direction of research. Regional brain volume deficits in schizophrenia: a meta-analysis of voxel-based morphometry studies. The American Journal of Psychiatry, v. Left temporal lobe abnormalities and thought disorder in schizophrenia, a quantitative magnetic resonance assessment. The New England Journal of Medicine, v.
In: Time, Space and Motion: Meaning and Knowledge in the Meaningful World (Proceedings of the 5th International Workshop.
APÊNDICE A
APÊNDICE
![Fig. 3: O Sistema Ventricular Cerebral Fonte: adaptado de Maciel [42]](https://thumb-eu.123doks.com/thumbv2/123dok_br/19574027.0/34.892.113.511.144.518/fig-sistema-ventricular-cerebral-fonte-adaptado-maciel-42.webp)
