Connectomics is a field of neuroscience that studies brain connections and is currently one of the most promising frontiers for understanding the functioning of the brain and its pathological alterations. One of the problems encountered in this field is the large dimensionality of connectomics data and the difficulty in interpreting it. To address this need, this work has developed an interactive interface in Streamlit, which combines data processing (using Pandas) dimensional reduction algorithms (UMAP) and classification algorithms (k-NN), allowing the data to be explored both globally and locally. The interactive graphs generated with Plotly allow the user to navigate within the data, compare the most relevant features, and dynamically manage test patients. This makes the analysis more intuitive and immediate. The goal is to provide physicians and healthcare professionals with a practical tool to support the analysis and interpretation of connectome data from healthy patients (Normal Control, NC) and those with mild cognitive impairment (MCI). The project paves the way for future developments, such as the deployment of the application, the integration of additional clinical information and further graphs and models that provide a more comprehensive overview and allow the physician to make further interpretations of the data.

La connettomica è un campo delle neuroscienze che studia le connessioni cerebrali e rappresenta oggi una delle frontiere più promettenti per comprendere il funzionamento del cervello e le sue alterazioni patologiche. Uno dei problemi riscontrati in questo ambito è dato dalla grande dimensionalità dei dati di connettomica e dalla difficoltà nell’interpretarli. Per rispondere a questa esigenza, in questo lavoro è stata realizzata un’interfaccia interattiva in Streamlit, che combina elaborazione dei dati (tramite Pandas) algoritmi di riduzione dimensionale (UMAP) e di classificazione (k-NN), permettendo di esplorare i dati in modo sia globale che locale. I grafici interattivi generati con Plotly consentono all’utente di muoversi all’interno dei dati, confrontare le feature più rilevanti e gestire in maniera dinamica i pazienti di test. Ciò permette di rendere l’analisi più intuitiva e immediata. L’obiettivo è fornire a medici e professionisti del settore sanitario uno strumento pratico per supportare l’analisi e l’interpretazione dei dati di connettomica di pazienti sani (Normal Control, NC) e con disturbo cognitivo lieve (Mild Cognitive Impairment, MCI). Il progetto apre la strada a sviluppi futuri, come il deployment dell’applicazione, l’integrazione di informazioni cliniche aggiuntive e di ulteriori grafici e modelli che permettono di avere una panoramica più completa e permettere al medico ulteriori interpretazioni dei dati.

DESIGN E SVILUPPO DI UN'INTERFACCIA SOFTWARE PER L'ANALISI DI DATI DI CONNETTOMICA CEREBRALE

ASCOLI, BARBARA
2024/2025

Abstract

Connectomics is a field of neuroscience that studies brain connections and is currently one of the most promising frontiers for understanding the functioning of the brain and its pathological alterations. One of the problems encountered in this field is the large dimensionality of connectomics data and the difficulty in interpreting it. To address this need, this work has developed an interactive interface in Streamlit, which combines data processing (using Pandas) dimensional reduction algorithms (UMAP) and classification algorithms (k-NN), allowing the data to be explored both globally and locally. The interactive graphs generated with Plotly allow the user to navigate within the data, compare the most relevant features, and dynamically manage test patients. This makes the analysis more intuitive and immediate. The goal is to provide physicians and healthcare professionals with a practical tool to support the analysis and interpretation of connectome data from healthy patients (Normal Control, NC) and those with mild cognitive impairment (MCI). The project paves the way for future developments, such as the deployment of the application, the integration of additional clinical information and further graphs and models that provide a more comprehensive overview and allow the physician to make further interpretations of the data.
2024
DESIGN AND DEVELOPMENT OF A SOFTWARE INTERFACE FOR THE ANALYSIS OF BRAIN CONNECTOMICS DATA
La connettomica è un campo delle neuroscienze che studia le connessioni cerebrali e rappresenta oggi una delle frontiere più promettenti per comprendere il funzionamento del cervello e le sue alterazioni patologiche. Uno dei problemi riscontrati in questo ambito è dato dalla grande dimensionalità dei dati di connettomica e dalla difficoltà nell’interpretarli. Per rispondere a questa esigenza, in questo lavoro è stata realizzata un’interfaccia interattiva in Streamlit, che combina elaborazione dei dati (tramite Pandas) algoritmi di riduzione dimensionale (UMAP) e di classificazione (k-NN), permettendo di esplorare i dati in modo sia globale che locale. I grafici interattivi generati con Plotly consentono all’utente di muoversi all’interno dei dati, confrontare le feature più rilevanti e gestire in maniera dinamica i pazienti di test. Ciò permette di rendere l’analisi più intuitiva e immediata. L’obiettivo è fornire a medici e professionisti del settore sanitario uno strumento pratico per supportare l’analisi e l’interpretazione dei dati di connettomica di pazienti sani (Normal Control, NC) e con disturbo cognitivo lieve (Mild Cognitive Impairment, MCI). Il progetto apre la strada a sviluppi futuri, come il deployment dell’applicazione, l’integrazione di informazioni cliniche aggiuntive e di ulteriori grafici e modelli che permettono di avere una panoramica più completa e permettere al medico ulteriori interpretazioni dei dati.
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14253/88081