Return to search

DIAGNÓSTICO DE DIABETES TIPO II POR CODIFICAÇÃO EFICIENTE E MÁQUINAS DE VETOR DE SUPORTE / DIAGNOSIS OF DIABETES TYPE II BY EFFICIENT CODING AND VECTOR MACHINE SUPPORT

Made available in DSpace on 2016-08-17T14:53:05Z (GMT). No. of bitstreams: 1
Aurea Celeste da Costa Ribeiro.pdf: 590401 bytes, checksum: 1ec80bb8ac1a3e674ff49966fa9b383c (MD5)
Previous issue date: 2009-06-30 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Diabetes is a disease caused by the pancreas failing to produce insulin. It is
incurable and its treatment is based on a diet, exercise and drugs. The costs for
diagnosis and human resources for it have become high and ine±cient. Computer-
aided design (CAD) systems are essential to solve this problem.
Our study proposes a CAD system based on the one-class support vector machine
(SVM) method and the eficient coding with independent component analysis (ICA)
to classify a patient's data set in diabetics or non-diabetics.
First, the classification tests were done using both non-invasive and invasive
characteristics of the disease. Then, we made one test without the invasive
characteristics: plasma glucose concentration and 2-Hour serum insulin (mu U/ml),
which use blood samples. We have obtained an accuracy of 99.84% and 99.28%,
respectively. Other tests were made without the invasive characteristics, also
excluding one non-invasive characteristic at a time, to observe the influence of each
one in the final results. / Diabetes é uma doença causada pela falência do pâncreas em produzir insulina,
é incurável e seu tratamento é baseado em dietas, exercícios e remédios. Os custos
com o tratamento, diagnóstico na população e combate da doença tornam-se cada
vez mais altos. Sistemas de auxíio ao diagnóstico da doença são uma das soluções
para ajudar na diminuição dos custos com a doença.
Nosso método propõe um sistema de auxílio de diagnóstico baseado nas máquinas
de vetor de suporte para uma classe e na codificação eficiente através da análise de
componentes independentes para classificar uma base de dados de pacientes em
diabéticos e não-diabéticos.
Primeiramente, foram feitos testes de classificação com as características não-
invasivas e invasivas da base de dados juntas. Em seguida, fizemos um teste sem
as características invasivas da base de dados, que são glicose e insulina em jejum,
que são feitas com a coleta sanguínea. Obteve-se uma taxa de acurácia de 99,84% e
99,28%, respectivamente. Outros testes foram feitos sem as características invasivas,
tirando uma característica não-invasiva por vez, com o fim de observar a influência
de cada uma no resultado final.

Identiferoai:union.ndltd.org:IBICT/oai:tede2:tede/421
Date30 June 2009
CreatorsRibeiro, Aurea Celeste da Costa
ContributorsBARROS FILHO, Allan Kardec Duailibe
PublisherUniversidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, BR, Engenharia
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0025 seconds