Notícias

Banca de QUALIFICAÇÃO: LAIARA CRISTINA DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: LAIARA CRISTINA DA SILVA
DATA: 15/12/2021
HORA: 14:00
LOCAL: https://meet.google.com/jgv-vnks-web
TÍTULO: Estudo de Algoritmos de Aprendizagem de Máquina para Diagnóstico de Patologias Renais baseado em Atributos Clínicos e Descritores de Imagens
PALAVRAS-CHAVES: aprendizagem de máquina. patologia renal. diagnóstico. dados clínicos. descritores de imagem. Árvore de Decisão. SVM. Random Forest. MLP.
PÁGINAS: 66
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

 A importância da função glomerular na fisiologia renal e o fato de suas lesões afetarem outros segmentos do néfron caracterizam as enfermidades glomerulares, como um dos principais problemas em Nefrologia nos dias de hoje. No Brasil, as glomerulopatias são uma das causas mais comuns de falência renal e responsáveis por cerca de 27% dos transplantes. Desta forma, encontrar e classificar lesões glomerulares são etapas fundamentais para o diagnóstico de muitas doenças renais e que contam com a experiência de um nefropatologista, além disso, muitos fatores como fadiga e trabalho repetitivo, podem conduzir a um diagnóstico errado. Tendo isso em vista, este trabalho realiza um estudo comparativo entre os algoritmos de aprendizagem Árvore de Decisão, SVM, Random Forest e MLP a fim de propor um modelo de classificador que auxilie o profissional especialista na definição de um diagnóstico de patologia renal. Concomitante ao estudo comparativo entre os classificadores, este trabalho também analisa 6 descritores das imagens, cuja combinação de 1 ou mais desses descritores será adicionada aos dados clínicos correspondentes à cada imagem e juntos servirão como entrada do classificador.


MEMBROS DA BANCA:
Externo ao Programa - 1617352 - KEYLLA MARIA DE SÁ URTIGA AITA
Interno - 1579396 - RODRIGO DE MELO SOUZA VERAS
Presidente - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 17/11/2021 15:47
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb07.ufpi.br.instancia1 03/03/2024 18:57