Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/riufal/2103
Tipo: | Dissertação |
Título: | Modelos computacionais baseados em aprendizagem de máquina para classificação do ceratocone por meio dos sinais biomecânicos fornecidos pelo Ocular Responder Analyser |
Título(s) alternativo(s): | Computational models based on machine learning to classify keratoconus through biomechanical signals provided by Ocular Responder Analyser |
Autor(es): | Leão, Edileuza Virginio |
Primeiro Orientador: | Machado, Aydano Pomponet |
metadata.dc.contributor.advisor-co1: | Lyra, João Marcelo de Almeida Gusmão |
metadata.dc.contributor.referee1: | Silva, Leandro Dias da |
metadata.dc.contributor.referee2: | Ambrósio Jr., Renato |
Resumo: | O presente trabalho destina-se a desenvolver modelos computacionais baseados em inteligência artificial para detecção do ceratocone, criando métodos capazes de predizer a presença do ceratocone utilizando aprendizagem de máquina. Estes modelos utilizaram dados biomecânicos da córnea, proveniente dos sinais de aplanação e pressão do exame Ocular Response Analyzer (ORA). O objetivo é construir modelos computacionais para auxiliar na decisão do cirurgião refrativo entre realizar ou não a cirurgia em casos susceptíveis. Os modelos foram criados utilizando árvore de decisão e redes neurais dos tipos MLP e RBF e também processamento de sinais wavelet. O experimento foi dividido em duas fases: a primeira para conhecer e entender os sinais, identificando as características e regiões mais importantes; a segunda utilizando o processamento de sinais wavelet para extrair a informação relevante do sinal. Os vários modelos desenvolvidos em ambas as fases foram estudados e comparados. Os melhores resultados encontrados foram: para a taxa total de acerto 93,03%, taxa de sensibilidade 93,95% e taxa de especificidade 99,26%. Tendo como conclusão que os modelos desenvolvidos podem contribuir com o cirurgião refrativo em sua decisão no diagnóstico do ceratocone grau I e II. |
Abstract: | This work aims to develop computational models based on artificial intelligence to detect keratoconus, creating methods to predict the presence of keratoconus using machine learning. These models used corneal biomechanical data, from the signs of applanation and pressure the Ocular Response Analyzer exam (ORA). The goal is to build computational models to help the refractive surgeon decide between performing surgery or not in cases susceptible. The models were created using neural networks the types of MLP and RBF and tree decision and also Wavelet signal processing. The experiment was divided into two phases: the first to know and understand the signals identifying the most important features and regions, and the second using the wavelet signal processing to extract the relevant information signal. The various models developed in two phases were studied and compared. The best results were: for total accuracy rate of 93.03%, 93.95% rate of sensitivity and specificity rate of 99.26%. The conclusion is that the developed models can contribute to the refractive surgeon in his decision in the diagnosis of keratoconus grade I and II. |
Palavras-chave: | Ceratocone Biomecânica Córnea Ocular Responder Analyser Keratoconus Biomechanics |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Alagoas |
Sigla da Instituição: | UFAL |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Modelagem Computacional de Conhecimento |
Citação: | LEÃO, Edileuza Virginio. Modelos computacionais baseados em aprendizagem de máquina para classificação do ceratocone por meio dos sinais biomecânicos fornecidos pelo Ocular Responder Analyser. 2013. 81 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) - Instituto de Computação, Programa de Pós Graduação em Modelagem Computacional de Conhecimento, Universidade Federal de Alagoas, Maceió, 2013. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/handle/riufal/2103 |
Data do documento: | 1-nov-2013 |
Aparece nas coleções: | Dissertações e Teses defendidas na UFAL - IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Modelos computacionais baseados em aprendizagem de máquina para classificação do ceratocone por meio dos sinais biomecânicos fornecidos pelo Ocular Responder Analyser.pdf | 2.63 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.