Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/11872
Tipo do documento: Dissertação
Título: Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
Título(s) alternativo(s): Detection of respiratory changes in cystic fibrosis by forced oscillation technique and machine learning algorithms
Autor: Pinto, Noemi da Paixão 
Primeiro orientador: Amaral, Jorge Luís Machado do
Primeiro coorientador: Melo, Pedro Lopes de
Primeiro membro da banca: Garcia, Ana Cristina Bicharra
Segundo membro da banca: Pi, Nayat Sánchez
Resumo: Quando começou a ser estudada, a fibrose cística levava recém-nascidos a óbito em seu primeiro ano de vida. Entretanto, devido a avanços no tratamento, esses pacientes têm chegado até a fase adulta. Exames como teste de suor e espirometria, vêm sendo usados na tentativa de detectar a doença em sua fase inicial, porém esses métodos não têm sido eficientes. Sendo assim, um novo método vem sendo estudado para avaliar as propriedades mecânicas do sistema respiratório: a técnica de oscilações forçadas (FOT). A fim de comprovar a eficácia dessa nova técnica, este trabalho propõe o uso de algoritmos de aprendizado de máquinas para auxiliar a investigação e diagnóstico de alterações respiratórias na fibrose cística. Os dados fornecidos pela FOT foram aplicados nos algoritmos: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) e Random Forest (RF). Com o objetivo de manter uma boa acurácia e aumentar a interpretabilidade dos resultados obtidos, esses dados também foram submetidos a um algoritmo de Redes Bayesianas sintetizadas com algoritmo genético (RBGAOT). Dos experimentos realizados, a reatância respiratória fornecida pela FOT, foi o atributo que apresentou melhor desempenho individual (AUC=0,85). No experimento com oito atributos o algoritmo RBGAOT apresentou melhor desempenho (AUC=0,88). Com a aplicação dos métodos produto cruzado e seleção de variáveis, o K-NN e ADAB foram os algoritmos que tiveram melhores resultados (AUC=0,89). Os experimentos realizados mostraram que o uso de algoritmos de aprendizado de máquina aumentou a acurácia no diagnóstico de alterações respiratórias da fibrose cística. Já a inferência sobre as redes construídas pelo RBGAOT gerou um aumento na interpretabilidade das relações existentes entre as variáveis fornecidas pela FOT.
Abstract: When the cystic fibrosis studies began, it used to lead newborns to death after their first year of life. However, due to advances in treatment of cystic fibrosis, these patients have reached adulthood. Medical exams such as sweat test and spirometry, have been used as an attempt to diagnose the disease on its first stage, but these methods have not been efficient. Therefore, a new method is being studied to evaluate the mechanical properties of the respiratory system: the Forced Oscillation Technique (FOT). To prove the efficiency of this new technique, the present work proposes the use of machine learning algorithms to help the investigation and diagnosis of respiratory changes in cystic fibrosis. The data provided by FOT were used on the following algorithms: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) and Random Forest (RF). With the purpose of keeping a good accuracy and increase the interpretability of the results, this data was submitted to Bayesian Network synthesized by genetic algorithm (RBGAOT). From the experiments performed, the respiratory reactance provided by the FOT was the feature selection that presented the best individual performance (AUC=0.85). On the experiment with eight features, the RBGAOT had the best performance (AUC=0.88). When the methods of cross product and feature selection were applied, the K-NN and ADAB were the algorithms with the best results (AUC=0.89). The experiments realized showed that the use of machine learning algorithms increased the accuracy on the diagnosis of respiratory changes in cystic fibrosis. The inference about the networks constructed by RBGAOT generated an increase in the interpretability of the existing relation between the variables provided by the FOT.
Palavras-chave: Electronic engineering
Computer learning
Bayesian theory of statistical decision
Cystic fibrosis
Forced oscillation technique
FOT
Machine learning
Bayesian Networks
Genetic algorithms
AUC
Engenharia eletrônica
Aprendizado do computador
Teoria bayesiana de decisão estatística
Fibrose cística
Técnica de oscilações forçadas
FOT
Aprendizado de máquina
Redes Bayesianas
Algoritmos genéticos
AUC
Área(s) do CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: BR
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Faculdade de Engenharia
Programa: Programa de Pós-Graduação em Engenharia Eletrônica
Citação: PINTO, Noemi da Paixão. Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas. 2018. 116 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/11872
Data de defesa: 15-Mai-2018
Aparece nas coleções:Mestrado em Engenharia Eletrônica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Noemi da Paixao Pinto_p1.pdf5,1 MBAdobe PDFBaixar/Abrir Pré-Visualizar
Noemi da Paixao Pinto_p2.pdf14,22 MBAdobe PDFBaixar/Abrir Pré-Visualizar


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