/img alt="Imagem da capa" class="recordcover" src="""/>
Dissertação
Avaliação da gravidade da malária utilizando técnicas de extração de características e redes neurais artificiais
Cerca de metade da população mundial vive em áreas de risco da malária. Além disso, dada a globalização das viagens, essas doenças que antes eram consideradas exóticas e principalmente tropicais são cada vez mais encontradas em salas de emergência de hospitais no mundo todo. E frequentemente quan...
Autor principal: | Almeida, Larissa Medeiros de |
---|---|
Outros Autores: | http://lattes.cnpq.br/5030965943396831 |
Grau: | Dissertação |
Idioma: | por |
Publicado em: |
Universidade Federal do Amazonas
2015
|
Assuntos: | |
Acesso em linha: |
http://tede.ufam.edu.br/handle/tede/4093 |
Resumo: |
---|
Cerca de metade da população mundial vive em áreas de risco da malária. Além disso, dada a
globalização das viagens, essas doenças que antes eram consideradas exóticas e
principalmente tropicais são cada vez mais encontradas em salas de emergência de hospitais
no mundo todo. E frequentemente quando se trata de experiência em doenças tropicais, a
opinião de especialistas na maioria das vezes está indisponível ou não acessível em tempo
hábil. A tarefa de chegar a um diagnóstico da malária preciso e eficaz, fundamental na prática
médica, pode tornar-se complexa. E a complexidade desse processo aumenta à medida que os
pacientes apresentam sintomas não específicos com uma grande quantidade de dados e
informação imprecisa envolvida. Nesse sentido, Uzoka e colaboradores (2011a), a partir de
informações clínicas de 30 pacientes nigerianos com diagnóstico confirmado de malária,
utilizaram a metodologia Analytic Hierarchy Process (AHP) e metodologia Fuzzy para
realizar a avaliação da gravidade da malária. Os resultados obtidos foram comparados com o
diagnóstico de médicos especialistas. Esta dissertação desenvolve uma nova metodologia para
avaliação da gravidade da malária e a compara com as técnicas utilizadas por Uzoka e
colaboradores (2011a). Para tal o conjunto de dados utilizados é o mesmo do referido estudo.
A técnica utilizada é a de Redes Neurais Artificiais (RNA). São avaliadas três arquiteturas
com diferentes números de neurônios na camada escondida, duas metodologias de
treinamento (leave-one-out e 10-fold cross-validation) e três critérios de parada, a saber: o
erro médio quadrático, parada antecipada e regularização. Na primeira fase, é utilizado o
banco de dados completo. Posteriormente, são utilizados os métodos de extração de
características: na segunda fase, a Análise dos Componentes Principais (do inglês, Principal
Component Analysis - PCA) e na terceira fase, a Análise Discriminante Linear (do inglês,
Linear Discriminant Analysis – LDA). O melhor resultado obtido nas três fases, foi com o
banco de dados completo, utilizando o critério de regularização, associado ao leave-one-out,
de 83.3%. Já o melhor resultado obtido em (Uzoka, Osuji e Obot, 2011) foi com a rede fuzzy
onde obteve 80% de acurácia. |