1 |
Classificação automática de tumores cancerosos usando anotações em imagens e ontologias / Automatic classification of cancer tumors using image annotations and ontologiesMamani, Edson Francisco Luque 08 December 2016 (has links)
Informação sobre o estágio de câncer num paciente é fundamental quando médicos avaliam o progresso de seu tratamento. A determinação do estágio de câncer (cancer staging) é um processo que leva em consideração a descrição, localização, características e possíveis metástases dos tumores cancerosos de um paciente. Esse processo deve seguir um padrão de classificação como, por exemplo, o padrão TNM. Porém, na prática clínica, a execução desse processo pode ser tediosa, propensa a erros e gerar incertezas. Com o intuito de amenizar esses problemas, este trabalho tem como objetivo auxiliar radiologistas fornecendo uma segunda opinião na avaliação do estágio de câncer de um paciente. Para isso, tecnologias da Web Semântica, como ontologias e reasoning, foram usadas para classificar automaticamente estágios de câncer. Essa classificação usou anotações semânticas feitas por radiologistas, usando a ferramenta ePAD, e armazenadas no formato AIM. Um protótipo de classificador, baseado no padrão TNM, foi criado. Ele transforma anotações AIM em indivíduos da ontologia AIM4-O e, usando axiomas e regras (escritos na linguagens OWL-SWRL) representando o padrão TNM, ele automaticamente calcula o estágio de câncer de fígado de pacientes. A ontologia AIM4-O foi desenvolvida, como parte desse trabalho, para representar anotações AIM 4 em OWL. Esse classificador TNM foi avaliado, usando-se dados reais de relatórios radiológicos de pacientes do NCIs Genomic Data Commons (GDC), em termos de precisão e revocação, com resultados respectivos de 85,7% e 81,0% (quando comparado aos valores reais de estágio de câncer dos relatórios). Todo o processo foi validado com radiologistas do Radiology Dept. of the Stanford University. / Information about cancer staging in a patient is crucial when clinicians assess treatment progress. Determining cancer stage is a process that takes into account the description, location, characteristics and possible metastasis of cancerous tumors in a patient. It should follow classification standards, such as the TNM Classification of Malignant Tumors. However, in clinical practice, the implementation of this process can be tedious, error-prone and create uncertainty. In order to alleviate these problems, we intend to assist radiologists by providing a second opinion in the evaluation of cancer stage in patients. For doing this, Semantic Web technologies, such as ontologies and reasoning, were used to automatically classify cancer stages. This classification used semantic annotations made by radiologists, using the ePAD tool, and stored using standard AIM format. A TNM based classifier prototype was created. It transforms AIM annotations in AIM4- O ontology individuals and, using axioms and rules (written in OWL-SWRL languages) representing the TNM standard, it automatically calculates patients liver cancer stage. The AIM4-O ontology was developed, as part of this work, to represent AIM 4 annotations in OWL. This TNM classifier was evaluated, using real patients radiology reports, from the NCIs Genomic Data Commons (GDC), in term of precision and recall, with 85.7% and 81.0% respective results (when compared to the actual cancer stages from the reports). The whole process was validated with radiologists from the Radiology Dept. of the Stanford University.
|
2 |
Classificação automática de tumores cancerosos usando anotações em imagens e ontologias / Automatic classification of cancer tumors using image annotations and ontologiesEdson Francisco Luque Mamani 08 December 2016 (has links)
Informação sobre o estágio de câncer num paciente é fundamental quando médicos avaliam o progresso de seu tratamento. A determinação do estágio de câncer (cancer staging) é um processo que leva em consideração a descrição, localização, características e possíveis metástases dos tumores cancerosos de um paciente. Esse processo deve seguir um padrão de classificação como, por exemplo, o padrão TNM. Porém, na prática clínica, a execução desse processo pode ser tediosa, propensa a erros e gerar incertezas. Com o intuito de amenizar esses problemas, este trabalho tem como objetivo auxiliar radiologistas fornecendo uma segunda opinião na avaliação do estágio de câncer de um paciente. Para isso, tecnologias da Web Semântica, como ontologias e reasoning, foram usadas para classificar automaticamente estágios de câncer. Essa classificação usou anotações semânticas feitas por radiologistas, usando a ferramenta ePAD, e armazenadas no formato AIM. Um protótipo de classificador, baseado no padrão TNM, foi criado. Ele transforma anotações AIM em indivíduos da ontologia AIM4-O e, usando axiomas e regras (escritos na linguagens OWL-SWRL) representando o padrão TNM, ele automaticamente calcula o estágio de câncer de fígado de pacientes. A ontologia AIM4-O foi desenvolvida, como parte desse trabalho, para representar anotações AIM 4 em OWL. Esse classificador TNM foi avaliado, usando-se dados reais de relatórios radiológicos de pacientes do NCIs Genomic Data Commons (GDC), em termos de precisão e revocação, com resultados respectivos de 85,7% e 81,0% (quando comparado aos valores reais de estágio de câncer dos relatórios). Todo o processo foi validado com radiologistas do Radiology Dept. of the Stanford University. / Information about cancer staging in a patient is crucial when clinicians assess treatment progress. Determining cancer stage is a process that takes into account the description, location, characteristics and possible metastasis of cancerous tumors in a patient. It should follow classification standards, such as the TNM Classification of Malignant Tumors. However, in clinical practice, the implementation of this process can be tedious, error-prone and create uncertainty. In order to alleviate these problems, we intend to assist radiologists by providing a second opinion in the evaluation of cancer stage in patients. For doing this, Semantic Web technologies, such as ontologies and reasoning, were used to automatically classify cancer stages. This classification used semantic annotations made by radiologists, using the ePAD tool, and stored using standard AIM format. A TNM based classifier prototype was created. It transforms AIM annotations in AIM4- O ontology individuals and, using axioms and rules (written in OWL-SWRL languages) representing the TNM standard, it automatically calculates patients liver cancer stage. The AIM4-O ontology was developed, as part of this work, to represent AIM 4 annotations in OWL. This TNM classifier was evaluated, using real patients radiology reports, from the NCIs Genomic Data Commons (GDC), in term of precision and recall, with 85.7% and 81.0% respective results (when compared to the actual cancer stages from the reports). The whole process was validated with radiologists from the Radiology Dept. of the Stanford University.
|
3 |
Riskpremier på den nordiska elmarknaden : En explorativ studie av riskpremien för Electricity Price Area Differentials (EPADs)Enquist, Ricard, Pentakota, Michael January 2014 (has links)
Uppsatsens explorativa syfte är att utforska samt beskriva riskpremiens storlek och utveckling för de EPADs som handlas för olika elprisområden på den nordiska elmarknaden. Riskpremien har definierats enligt de prissättningsteorier som ursprungligen formulerats av Fama & French (1987) och beräknats ur ett ex post-perspektiv. Studien omfattar drygt 700 EPAD-kontrakt från perioden 2006 till 2014 Tillämpning av deskriptiv statistik visar existensen av betydande riskpremier vars tecken och storlek varierar mellan områden och tidsperioder. Detta är i linje med tidigare resultat av Kristiansen (2004) samt Marckhoff & Wimschulte (2009). Några långsiktiga trender har inte kunnat säkerställas statistiskt. Grafisk analys av säsongsmönster visar på låga (höga) riskpremier sommartid (vintertid) för samtliga områden utom Oslo där omvänt förhållande råder. Oslo samt de danska områdenas kontrakt handlas i contango, övriga områden i backwardation. Samtliga kontrakts riskpremier minskar dock över time-to-maturity, vilket stämmer överens med de riskpreferenser som beskrivs av Hillier et al., (2010). Resultaten från denna explorativa studie kan användas för att hitta intressanta perspektiv och frågeställningar till vidare forskning. Resultaten kan även vara av intresse dels för aktörer som använder EPADs för prissäkring och dels för de institutioner som verkar för en effektiv nordisk elmarknad, exempelvis NordREG, Energimarknadsinspektionen och Nord Pool. / This exploratory paper aims to describe the magnitude and development of risk premium in EPADs traded for different electricity price areas in the Nordic electricity market. Risk premium is defined according to the pricing theories originally formulated by Fama & French (1987), and calculated through an ex post perspective. The study includes more than 700 EPADs from 2006 to 2014. Application of descriptive statistics indicates existence of significant risk premia whose sign and magnitude varies between regions and time periods. This is in line with previous results by Kristiansen (2004) and Marckhoff & Wimschulte (2009). Any long-term trends have not been validated statistically. Graphical analysis of seasonal patterns revealed low (high) risk premium in summer (winter) for all areas except Oslo, where the seasonal patterns are the opposite. EPADs for Oslo and the Danish regions are traded in contango and all other areas in backwardation. Risk premia for all contracts do however approach zero when approaching maturity, which is consistent with theory of risk preferences described by Hillier et al., (2010). The results of this exploratory paper can be used to find interesting perspectives and research questions for further research. The results may also be of interest both for traders who are using EPADs for hedging purposes and the institutions aiming to achieve an efficient Nordic electricity market, such as NordREG, the Swedish Energy Markets Inspectorate and Nord Pool.
|
Page generated in 0.0248 seconds