Submitted by Erika Demachki (erikademachki@gmail.com) on 2014-10-14T21:24:19Z
No. of bitstreams: 2
Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-16T18:20:52Z (GMT) No. of bitstreams: 2
Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-16T18:20:52Z (GMT). No. of bitstreams: 2
Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2013-09-20 / This work extends a Computer-Aided Diagnosis system called PneumoCAD for detecting
pneumonia in infants using radiographic images, with the aim of improving the system’s
accuracy, robustness and test the features previously extracted. We implement and compare
five contemporary machine learning classifiers, namely: Naïve Bayes, K-Nearest
Neighbor (KNN), Support Vector Machines (SVM), Multi-Layer Perceptron (MLP) and
Decision Tree, combined with three dimensionality reduction algorithms: the feature
selection wrapper Sequential Forward Elimination (SFE), and two feature filter algotithms:
Principal Component Analysis (PCA) and Kernel Principal Component Analysis
(KPCA). Current Results of demonstrate that the Naïve Bayes classifier combined with
KPCA produces the best overall results. Also confirming the efficiency os features. / Avaliação de classificadores na classificação de radiografias de tórax para o diagnóstico
de pneumonia infantil Este trabalho dá continuidade ao Sistema de Auxílio a Diagnóstico
chamado de PneumoCAD para a detecção de pneumonia infantil por meio de imagens
radiográficas, com o objetivo de aprimorar a acurácia, robustez e testar as características
extraídas anteriormente. Nós implementamos cinco classificadores contemporâneos,
sendo estes: Naïve Bayes, K-Nearest Neighbor (KNN), Support Vector Machines (SVM),
Multi-Layer Perceptron (MLP) e Árvore de decisão. Combinamos os classificadores com
três algoritmos de redução de dimensionalidade: o wrapper Sequential Forward Elimination
(SFE) e dois filtros: Principal Component Analysis (PCA) e Kernel Principal Component
Analysis (KPCA). Os resultados atuais mostram que o Naïve Bayes combinado
com o KPCA produzem o melhor resultado (96% de acurácia). Também confirmando a
eficiência das características.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3356 |
| Date | 20 September 2013 |
| Creators | Sousa, Rafael Teixeira |
| Contributors | Oliveira, Leandro Luís Galdino de, Oliveira, Leandro Luís Galdino de, Costa, Ronaldo Martins da, Ito, Marcia |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
| 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 UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -3303550325223384799, 600, 600, 600, -7712266734633644768, 3671711205811204509 |
Page generated in 0.0017 seconds