Análise de desempenho de algoritmos de aprendizagem de máquina na classificação de exames de câncer no colo do útero

Show simple item record

dc.contributor.advisor Baluz, Rodrigo Augusto Rocha Souza
dc.contributor.author Sobrinho, Daniel de Araújo Lima
dc.date.accessioned 2022-06-20T02:12:17Z
dc.date.available 2022-06-20T02:12:17Z
dc.date.issued 2018-07-28
dc.identifier.uri http://repositorio.uespi.br:8080/handle/123456789/147
dc.description.abstract O câncer do colo do útero é uma doença silenciosa, que apresenta maior ocorrência em países menos desenvolvidos. A melhor forma de prevenção e controle do câncer do colo do útero é a detecção precoce, realizada por meio do Exame de Papanicolaou. As alterações celulares nas células do colo do útero são as principais indicadoras de formação de tumores com suspeita de malignidade. A identificação dessas alterações é uma tarefa que necessita bastante atenção, a fim de minimizar erros de interpretação. Este trabalho consiste na análise do desempenho de algoritmos de aprendizado de máquina (J48, Random Forest, Naive Bayes, Multilayer Perceptron) na classificação de células do colo do útero e na identificação de possíveis anomalias. O desempenho dos algoritmos foi analisado através da ferramenta de mineração de dados Waikato Environment for Knowledge Analysis (WEKA), seguindo algumas métricas de avaliação. Os experimentos foram realizados em uma base de dados contendo descrições completas de células do colo do útero, bem como suas 7 possíveis classificações, fornecida pelo Hospital da Universidade de Herlev, na Dinamarca. Além da base original, foram realizados experimentos em uma base secundária, onde a quantidade de classificações possíveis foi reduzida a duas: normal e anormal. Após esses experimentos, foi escolhido o algoritmo de melhor desempenho geral para ser testado utilizando a técnica de seleção de atributos, que analisa a base em busca dos atributos mais relevantes antes de realizar a classificação. O melhor resultado foi obtido com o algoritmo Multilayer Perceptron, com a seleção de atributos na base de dados secundária, que obteve uma taxa de acerto de 94,44%, com um índice de concordância considerado excelente. A taxa de falsos positivos para normalidade foi de 3,6%, indicando que poucas células anormais foram classificadas como células normais. Os resultados obtidos mostram que os algoritmos de aprendizado de máquina possuem alta capacidade para identificar padrões e para realizar tarefas de classificação, revelando grande potencial para utilização na área médica. pt_BR
dc.language.iso pt_BR pt_BR
dc.publisher Universidade Estadual do Piauí (UESPI) - Campus Professor Alexandre Alves de Oliveira - Parnaíba pt_BR
dc.relation.isbasedon SOBRINHO, Daniel de Araújo Lima. Análise de desempenho de algoritmos de aprendizagem de máquina na classificação de exames de câncer no colo do útero. Parnaíba: Monografia (graduação), Bachalerado em Ciência da Computação, Universidade Estadual do Piauí (UESPI), 2018. pt_BR
dc.subject Câncer do colo do útero , Exame de Papanicolaou, Aprendizado de máquina, WEKA pt_BR
dc.title Análise de desempenho de algoritmos de aprendizagem de máquina na classificação de exames de câncer no colo do útero pt_BR
dc.type Thesis pt_BR


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account