^{A doença de Alzheimer (DA) é uma doença neurodegenerativa que destrói as células cerebrais, acarretando perdas nas funções cognitivas e na capacidade de realizar tarefas diárias simples. A DA possui um curso progressivo e sua prevalência aumenta exponencialmente com a idade, sendo de 5% na população com mais de 60 anos e 20% naqueles com idade superior a 80 anos. Em geral, na DA, os hipocampos, que são estruturas cerebrais ligadas à formação de memórias, são as primeiras estruturas a serem danificadas. O imageamento por ressonância magnética (RM) tem sido usado clinicamente com sucesso para o diagnóstico e monitoramento da DA, pois permite a avaliação de alterações estruturais de regiões do cérebro relacionadas a funções cognitivas. A atrofia dos hipocampos, e a consequente redução de seus volumes, tem sido reconhecida como uma característica inicial do processo degenerativo em DA.}

^{Dadas as projeções alarmantes, e a riqueza de informação das imagens de RM, estabeleceu-se como o objetivo desta pesquisa o desenvolvimento de um método automático para segmentar e quantificar as substâncias branca, cinzenta e o líquido cefalorraquidiano, presentes nas regiões hipocampais. Acredita-se que a partir da quantificação dos tecidos seja possível avaliar o estágio de degeneração das regiões hipocampais e, assim, auxiliar no diagnóstico e acompanhamento da DA.}

^{Nesta pesquisa foi desenvolvida uma técnica computacional baseada no modelo de mistura finita de gaussianas e no algoritmo de maximização da esperança, para a aproximação da distribuição dos tecidos em cada imagem e para a otimização iterativa do modelo, respectivamente. A seleção dos parâmetros de inicialização do modelo foi realizada com um atlas anatômico probabilístico e a avaliação da técnica desenvolvida foi realizada quantitativamente comparando-se os resultados obtidos com os do software FAST-FS para toda o conjunto de imagens.}

^{O conjunto de imagens de RM utilizado foi composto por 762 imagens distribuídas entre três diferentes classes de pacientes, classificados em três grupos diagnósticos, que são: Cognitivamente Normais (CN), Leve Comprometimento Cognitivo (MCI) e portadores da DA. O melhor resultado obtido apresentou um índice de Jaccard de 76.2%, Dice de 85.3%, e taxas de Falsos Positivos de 14.1% e Falsos Negativos de 15.3%. Em posse deste resultado, uma aplicação de classificação de imagens de RM entre as classes de pacientes mencionadas anteriormente foi desenvolvida, e rendeu resultados com 86% de acurácia entre pacientes CN e DA, e 74% para classificação entre pacientes MCI e DA.}

^{Ao final da pesquisa, observou-se que a restrição da região de interesse (hipocampos) rendeu resultados de segmentação sensivelmente mais precisos. O baixo custo computacional possibilita que o método desenvolvido seja utilizado junto a outras técnicas para uma abordagem diagnóstica mais abrangente. Em geral, os resultados obtidos para a segmentação de cérebros de pacientes CN foram melhores do que para as outras classificações. Em posse de uma ferramenta de segmentação automática de tecidos cerebrais, tornou-se possível o desenvolvimento de aplicações no auxílio do diagnóstico da DA que se mostraram promissoras, por possibilitar análises quantitativas em tecidos distintos.}