Use este identificador para citar ou linkar para este item: https://repositorio.uema.br/jspui/handle/123456789/877
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorMendes, Paola Lauande Oliveira-
dc.date.accessioned2019-11-29T22:36:07Z-
dc.date.available2019-11-29T22:36:07Z-
dc.date.issued2019-07-
dc.identifier.urihttp://repositorio.uema.br/handle/123456789/877-
dc.description71 f. Monografia (Graduação em Engenharia da Computação) - Universidade Estadual do Maranhão, São Luís, 2019. Orientador: Prof. Dr. Lúcio Flávio de Albuquerque Campospt_BR
dc.description.abstractA cardiotoxicidade se dá pela ocorrência de um dano muscular ou disfunção de eletrofisiologia do coração. Várias são as causas dessa enfermidade, entre as quais está a quimioterapia. Sabe-se que esta doença compromete o coração tornando-o ineficiente em suas funções que são primordiais para manter o bombeamento do sangue no corpo, e, se for descoberto em estágio avançado, pode vir a ser letal. O ecocardiograma é o método de diagnóstico mais utilizado, mas ainda não é eficaz para o diagnóstico precoce da cardiotoxicidade. Este trabalho apresenta uma proposta de CAD (Computer-Aided Diagnosis) para auxiliar no diagnóstico precoce da doença em questão. A metodologia utiliza sinais proteômicos cujas características serão extraídas por uma técnica chamada Análise de Componentes Independentes (ICA). As características mais significantes são selecionadas pelo algoritmo de Máxima Relevância Mínima Redundância (MRmR), e, então, as amostras são classificadas através dos métodos de Análise Discriminante Linear (LDA) e Máquinas de Vetores de Suporte (SVM), detectando a presença ou a ausência de cardiotoxicidade. Os métodos foram testados na base de dados proteômicos SELDI-TOF, com 62 amostras em alta resolução (373.257 pontos), sendo 34 com cardiotoxicidade e 28 normais. Os testes de classificação com LDA geraram 100% de acurácia, 100% de sensibilidade e 100% de especificidade para as 62 amostras, a partir de um vetor com 48 características. Os testes com SVM mostraram que o melhor desempenho foi obtido com um vetor de 20 características, resultando em uma taxa de acurácia de 88,718%, sensibilidade de 97,260% e especificidade de 85%. Comparando-se os resultados, foi observado que a LDA obteve melhor desempenho. Os resultados com LDA são promissores, porém deve ser testado com outras bases de dados para analisar sua real eficácia.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectCardiotoxicidadept_BR
dc.subjectAnálise de Componentes Independentespt_BR
dc.subjectAnálise Discriminante Linearpt_BR
dc.subjectMáquinas de Vetores de Suportept_BR
dc.subjectCardiotoxicity-
dc.subjectIndependent Component Analysis-
dc.subjectLinear Discriminant Analysis-
dc.subjectSupport Vector Machines-
dc.titleDiagnóstico auxiliado por computador aplicado a marcadores de cardiotoxicidadept_BR
dc.title.alternativeComputer-aided diagnosis applied to cardiotoxicity markers-
dc.typemonographpt_BR
dc.identifier.cduM 004.891.3-
Aparece nas coleções:Curso de Bacharelado em Engenharia da Computação - CCT UEMA - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Monografia PAOLA LAUANDE OLIVEIRA MENDES PDF-A.pdf666.8 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.