Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/riufal/2500
Tipo: | Dissertação |
Título: | Utilização da aprendizagem de máquina e seleção de atributos para o diagnóstico de ceratocone a partir de parâmetros biomecânicos da córnea |
Título(s) alternativo(s): | Use of machine learning and selection of attributes for the diagnosis of keratoconus from biomechanical parameters of the cornea |
Autor(es): | Dantas, Pedro Barreto |
Primeiro Orientador: | Machado, Aydano Pamponet |
Segundo Orientador: | Lyra, João Marcelo de Almeida Gusmão |
metadata.dc.contributor.referee1: | Coelho, Jorge Artur Peçanha de Miranda |
metadata.dc.contributor.referee2: | Diniz Filho, Alberto |
Resumo: | O presente estudo objetiva estudar a grande lacuna que ainda existe no diagnóstico precoce do ceratocone, uma vez que essa é uma doença com importantes repercussões na vida do paciente. Utilizamos a avaliação biomecânica do Corvis ST, onde são avaliados seis gráficos, e suas propriedades submetidas à avaliação a inteligência artificial, por meio da aprendizagem de máquina e seleção de atributos, a fim de criar um classificador que possa ajudar no diagnóstico.Utilizamos base de dados com 382 olhos normais e 192 olhos com ceratocone graus I ou II, todos avaliados por umúnico médico colaborador do estudo (R.A.J.) em uma clínica do Rio de Janeiro. Utilizamos o algoritmo Support Vector Machine associado a Backward Elimination, e conseguimos um resultado de área abaixo da curva ROC de 0.933, configurando um bom classificador. |
Abstract: | The present study aims to study the great gap that still exists in the early diagnosis of keratoconus, since this is a disease with important repercussions in the life of the patient. We used the biomechanical evaluation of Corvis ST, where six graphs were evaluated, and their properties submitted to the analisys of artificial intelligence, through machine learning and selection of attributes, in order to create a classifier that can help achieve the diagnosis. We used a database of 382 normal eyes and 192 eyes with keratoconus grades I or II, all evaluated by a single study collaborator (R.A.J.) at a clinic in Rio de Janeiro. We used the Support Vector Machine algorithm associated with Backward Elimination, and we obtained an area result below the ROC curve of 0.933, setting up a good classifier. |
Palavras-chave: | Inteligência artificial – Aplicações médicas Aprendizagem de máquina Doenças da córnea – Diagnóstico por imagem Ceratocone – Diagnóstico por imagem Keratoconus Cornea Refractive Artificial inteligence Machine learning Ophtalmology |
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: | DANTAS, Pedro Barreto. Utilização da aprendizagem de máquina e seleção de atributos para o diagnóstico de ceratocone a partir de parâmetros biomecânicos da córnea. 2017. 64 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, 2017. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/handle/riufal/2500 |
Data do documento: | 16-jun-2017 |
Aparece nas coleções: | Dissertações e Teses defendidas na UFAL - IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Utilização da aprendizagem de máquina e seleção de atributos para o diagnóstico de ceratocone a partir de parâmetros biomecânicos da córnea.pdf | 5.87 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.