Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-15T21:53:52Z
No. of bitstreams: 1
Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:05:39Z (GMT) No. of bitstreams: 1
Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-16T15:07:25Z (GMT) No. of bitstreams: 1
Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5) / Made available in DSpace on 2015-06-16T15:07:25Z (GMT). No. of bitstreams: 1
Dissertação-Larissa M de Almeida.pdf: 5516102 bytes, checksum: e49d2bccd21168f811140c6accd54e8f (MD5)
Previous issue date: 2015-04-17 / Não Informada / About half the world's population lives in malaria risk areas. Moreover, given the
globalization of travel, these diseases that were once considered exotic and mostly tropical are
increasingly found in hospital emergency rooms around the world. And often when it comes
to experience in tropical diseases, expert opinion most of the time is not available or not
accessible in a timely manner. The task of an accurate and efficient diagnosis of malaria,
essential in medical practice, can become complex. And the complexity of this process
increases as patients have non-specific symptoms with a large amount of data and inaccurate
information involved. In this approach, Uzoka and colleagues (2011a), from clinical
information of 30 Nigerian patients with confirmed malaria, used the Analytic Hierarchy
Process method (AHP) and Fuzzy methodology to conduct the evaluation of the severity of
malaria. The results obtained were compared with the diagnosis of medical experts. This
paper develops a new methodology to evaluate the severity of malaria and compare with the
techniques used by Uzoka and colleagues (2011a). For this purpose the data set used is the
same of that study. The technique used is the Artificial Neural Networks (ANN). Are
evaluated three architectures with different numbers of neurons in the hidden layer, two
training methodologies (leave-one-out and 10-fold cross-validation) and three stopping
criteria, namely: the root mean square error, early stop and regularization. In the first phase,
we use the full database. Subsequently, the feature extraction methods are used: in the second
stage, the Principal Component Analysis (PCA) and in the third stage, the Linear
Discriminant Analysis (LDA). The best result obtained in the three phases, it was with the full
database, using the criterion of regularization associated with the leave-one-out method, of
83.3%. And the best result obtained in (Uzoka, Osuji and Obot, 2011) was with the fuzzy
network which revealed 80% accuracy / 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.
Identifer | oai:union.ndltd.org:IBICT/oai:http://localhost:tede/4093 |
Date | 17 April 2015 |
Creators | Almeida, Larissa Medeiros de |
Contributors | Costa, Marly Guimarães Fernandes, Costa Filho, Cícero Ferreira Fernandes, Costa, Marly Guimarães Fernandes, Evangelista Neto, João, Gutierrez, Marco Antônio |
Publisher | Universidade Federal do Amazonas, Programa de Pós-graduação em Engenharia Elétrica, UFAM, Brasil, Faculdade de Tecnologia |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM |
Rights | info:eu-repo/semantics/openAccess |
Relation | -161377036298529205, 600 |
Page generated in 0.0022 seconds