Processing biomedical images for the study of treatments related to neurodegenerative diseases

• Autores: Gadea Mata Martínez
• Directores de la Tesis: Julio Rubio García (dir. tes.), Miguel Morales Fuciños (codir. tes.)
• Lectura: En la Universidad de La Rioja ( España ) en 2017
• Idioma: inglés
• Tribunal Calificador de la Tesis: Maria Calvo Adamuz (presid.), María Vico Pascual Martínez-Losa (secret.), Pascal Lienhardt (voc.)
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
      • Informática
    • Topología
      • Topología general
  • Ciencias de la vida
    • Fisiología humana
      • Neurofisiología
• Enlaces
  • Tesis en acceso abierto en: Dialnet
• Resumen
  • español

    El estudio de la morfología y de la funcionalidad de células neuronales en el proceso de enfermedades neurodegenerativas es de alta importancia para desarrollar fármacos y terapias adecuadas. De hecho, estudios como la cuantificación de sinapsis o la densidad neuronal son fundamentales para medir la evolución y el comportamiento de neuronas bajo el efecto de ciertas condiciones fisiológicas. Para el análisis de estos datos se necesitan métodos completamente automatizados. Con esta finalidad, hemos estudiado y desarrollado métodos inspirados en la Topología Algebraíca Computacional y técnicas de aprendizaje automatizado. Nociones como la definición de componente conexa u otras relacionadas con la homología persistente y la teoría de la persistencia zigzag han sido usadas para calcular la densidad sináptica o reconocer la estructura neuronal. Además, se han utilizado métodos de aprendizaje automatizado, para conocer dónde se encuentran las neuronas en imágenes de gran tamaño y para determinar cuáles son las características que mejor describen a este tipo de células.

  • English

    The study of neuronal cell morphology and function in neurodegenerative disease processes is essential in order to develop suitable treatments.

    In fact, studies such as the quantification of either synapses or the neuronal density are instrumental in measuring the evolution and the behaviour of neurons under the effects of certain physiological conditions.

    In order to analyse this data, fully automatic methods are required. To this end, we have studied and developed methods inspired by Computational Algebraic Topology and Machine Learning techniques. Notions such as the definition of connected components, or others related to the persistence homology and zigzag persistence theory have been used to compute the synaptic density or to recognise the neuronal structure. In addition, machine learning methods are used to determine where neurons are located in large images and to ascertain which are the best features to describe this kind of cells.