@MASTERSTHESIS{ 2020:163614340,
 	title = {Classifica??o de lateralidade hemisf?rica de linguagem de linguagem em imagens de resson?ncia magn?tica funcional utilizando aprendizado de m?quina},
 	year = {2020},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/9334",
 	abstract = "Embora a ?rea cerebral de linguagem tenha sua localiza??o anat?mica definida pelas ?reas de Wernicke e de Broca, alguns pacientes acometidos com tumores cerebrais t?m suas topografias de ativa??o alteradas, devido a um fen?meno chamado transloca??o de linguagem. A resson?ncia magn?tica funcional (RMf) ? um m?todo de diagn?stico por imagem que evidencia as ?reas de linguagem, contribuindo para um correto planejamento cir?rgico de retirada de tumores. Apesar da detec??o das ?reas de ativa??o cerebral por inspe??o visual ser a mais utilizada na cl?nica, alguns trabalhos v?m utilizando t?cnicas de Aprendizado de M?quina, como Support Vector Machine, Regress?o Log?stica, ?rvores de Decis?o, entre outras. Este trabalho tem como objetivo avaliar a aplica??o de uma t?cnica de classifica??o de lateralidade hemisf?rica cerebral em ?rea de linguagem utilizando Aprendizado de M?quina. Os coeficientes de ativa??o das ?reas de interesse em imagens de RMf foram extra?dos por meio do software AFNI. Uma rede neural artificial Multilayer Perceptron foi configurada, de modo a determinar a probabilidade de as ?reas de linguagem estarem alocadas em determinado hemisf?rio cerebral. O desempenho da rede neural foi avaliado por meio da compara??o estat?stica com o ?ndice de Lateralidade e com a an?lise visual. Os resultados mostraram que a RNA MLP tem potencial para ser um m?todo auxiliar para classifica??o de lateralidade hemisf?rica cerebral em ?rea de linguagem.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Engenharia El?trica},
 	note = {Escola Polit?cnica}
}