Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas

Detalhes bibliográficos
Autor(a) principal: Pinto, Noemi da Paixão
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UERJ
Texto Completo: http://www.bdtd.uerj.br/handle/1/11872
Resumo: When the cystic fibrosis studies began, it used to lead newborns to death after their first year of life. However, due to advances in treatment of cystic fibrosis, these patients have reached adulthood. Medical exams such as sweat test and spirometry, have been used as an attempt to diagnose the disease on its first stage, but these methods have not been efficient. Therefore, a new method is being studied to evaluate the mechanical properties of the respiratory system: the Forced Oscillation Technique (FOT). To prove the efficiency of this new technique, the present work proposes the use of machine learning algorithms to help the investigation and diagnosis of respiratory changes in cystic fibrosis. The data provided by FOT were used on the following algorithms: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) and Random Forest (RF). With the purpose of keeping a good accuracy and increase the interpretability of the results, this data was submitted to Bayesian Network synthesized by genetic algorithm (RBGAOT). From the experiments performed, the respiratory reactance provided by the FOT was the feature selection that presented the best individual performance (AUC=0.85). On the experiment with eight features, the RBGAOT had the best performance (AUC=0.88). When the methods of cross product and feature selection were applied, the K-NN and ADAB were the algorithms with the best results (AUC=0.89). The experiments realized showed that the use of machine learning algorithms increased the accuracy on the diagnosis of respiratory changes in cystic fibrosis. The inference about the networks constructed by RBGAOT generated an increase in the interpretability of the existing relation between the variables provided by the FOT.
id UERJ_60eb0a1cf341e209fcdb0b4207ef9ee8
oai_identifier_str oai:www.bdtd.uerj.br:1/11872
network_acronym_str UERJ
network_name_str Biblioteca Digital de Teses e Dissertações da UERJ
repository_id_str 2903
spelling Amaral, Jorge Luís Machado dohttp://lattes.cnpq.br/1000528740958810Melo, Pedro Lopes dehttp://lattes.cnpq.br/4366715224334657Garcia, Ana Cristina Bicharrahttp://lattes.cnpq.br/4879977915136752Pi, Nayat Sánchezhttp://lattes.cnpq.br/5955227275555226http://lattes.cnpq.br/3095583384026853Pinto, Noemi da Paixão2021-01-06T19:19:56Z2018-08-022018-05-15PINTO, Noemi da Paixão. Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas. 2018. 116 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018.http://www.bdtd.uerj.br/handle/1/11872When the cystic fibrosis studies began, it used to lead newborns to death after their first year of life. However, due to advances in treatment of cystic fibrosis, these patients have reached adulthood. Medical exams such as sweat test and spirometry, have been used as an attempt to diagnose the disease on its first stage, but these methods have not been efficient. Therefore, a new method is being studied to evaluate the mechanical properties of the respiratory system: the Forced Oscillation Technique (FOT). To prove the efficiency of this new technique, the present work proposes the use of machine learning algorithms to help the investigation and diagnosis of respiratory changes in cystic fibrosis. The data provided by FOT were used on the following algorithms: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) and Random Forest (RF). With the purpose of keeping a good accuracy and increase the interpretability of the results, this data was submitted to Bayesian Network synthesized by genetic algorithm (RBGAOT). From the experiments performed, the respiratory reactance provided by the FOT was the feature selection that presented the best individual performance (AUC=0.85). On the experiment with eight features, the RBGAOT had the best performance (AUC=0.88). When the methods of cross product and feature selection were applied, the K-NN and ADAB were the algorithms with the best results (AUC=0.89). The experiments realized showed that the use of machine learning algorithms increased the accuracy on the diagnosis of respiratory changes in cystic fibrosis. The inference about the networks constructed by RBGAOT generated an increase in the interpretability of the existing relation between the variables provided by the FOT.Quando começou a ser estudada, a fibrose cística levava recém-nascidos a óbito em seu primeiro ano de vida. Entretanto, devido a avanços no tratamento, esses pacientes têm chegado até a fase adulta. Exames como teste de suor e espirometria, vêm sendo usados na tentativa de detectar a doença em sua fase inicial, porém esses métodos não têm sido eficientes. Sendo assim, um novo método vem sendo estudado para avaliar as propriedades mecânicas do sistema respiratório: a técnica de oscilações forçadas (FOT). A fim de comprovar a eficácia dessa nova técnica, este trabalho propõe o uso de algoritmos de aprendizado de máquinas para auxiliar a investigação e diagnóstico de alterações respiratórias na fibrose cística. Os dados fornecidos pela FOT foram aplicados nos algoritmos: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) e Random Forest (RF). Com o objetivo de manter uma boa acurácia e aumentar a interpretabilidade dos resultados obtidos, esses dados também foram submetidos a um algoritmo de Redes Bayesianas sintetizadas com algoritmo genético (RBGAOT). Dos experimentos realizados, a reatância respiratória fornecida pela FOT, foi o atributo que apresentou melhor desempenho individual (AUC=0,85). No experimento com oito atributos o algoritmo RBGAOT apresentou melhor desempenho (AUC=0,88). Com a aplicação dos métodos produto cruzado e seleção de variáveis, o K-NN e ADAB foram os algoritmos que tiveram melhores resultados (AUC=0,89). Os experimentos realizados mostraram que o uso de algoritmos de aprendizado de máquina aumentou a acurácia no diagnóstico de alterações respiratórias da fibrose cística. Já a inferência sobre as redes construídas pelo RBGAOT gerou um aumento na interpretabilidade das relações existentes entre as variáveis fornecidas pela FOT.Submitted by Boris Flegr (boris@uerj.br) on 2021-01-06T19:19:56Z No. of bitstreams: 2 Noemi da Paixao Pinto_p1.pdf: 5225850 bytes, checksum: 0606ba5b8bc62e64ded3eb33992f694a (MD5) Noemi da Paixao Pinto_p2.pdf: 14559970 bytes, checksum: ed6da7f5cefe10de7f40082e5fd6cfe4 (MD5)Made available in DSpace on 2021-01-06T19:19:56Z (GMT). No. of bitstreams: 2 Noemi da Paixao Pinto_p1.pdf: 5225850 bytes, checksum: 0606ba5b8bc62e64ded3eb33992f694a (MD5) Noemi da Paixao Pinto_p2.pdf: 14559970 bytes, checksum: ed6da7f5cefe10de7f40082e5fd6cfe4 (MD5) Previous issue date: 2018-05-15application/pdfporUniversidade do Estado do Rio de JaneiroPrograma de Pós-Graduação em Engenharia EletrônicaUERJBRCentro de Tecnologia e Ciências::Faculdade de EngenhariaElectronic engineeringComputer learningBayesian theory of statistical decisionCystic fibrosisForced oscillation techniqueFOTMachine learningBayesian NetworksGenetic algorithmsAUCEngenharia eletrônicaAprendizado do computadorTeoria bayesiana de decisão estatísticaFibrose císticaTécnica de oscilações forçadasFOTAprendizado de máquinaRedes BayesianasAlgoritmos genéticosAUCCNPQ::ENGENHARIASDetecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinasDetection of respiratory changes in cystic fibrosis by forced oscillation technique and machine learning algorithmsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJORIGINALNoemi da Paixao Pinto_p1.pdfapplication/pdf5225850http://www.bdtd.uerj.br/bitstream/1/11872/1/Noemi+da+Paixao+Pinto_p1.pdf0606ba5b8bc62e64ded3eb33992f694aMD51Noemi da Paixao Pinto_p2.pdfapplication/pdf14559970http://www.bdtd.uerj.br/bitstream/1/11872/2/Noemi+da+Paixao+Pinto_p2.pdfed6da7f5cefe10de7f40082e5fd6cfe4MD521/118722024-02-27 15:16:47.311oai:www.bdtd.uerj.br:1/11872Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-27T18:16:47Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false
dc.title.por.fl_str_mv Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
dc.title.alternative.eng.fl_str_mv Detection of respiratory changes in cystic fibrosis by forced oscillation technique and machine learning algorithms
title Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
spellingShingle Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
Pinto, Noemi da Paixão
Electronic engineering
Computer learning
Bayesian theory of statistical decision
Cystic fibrosis
Forced oscillation technique
FOT
Machine learning
Bayesian Networks
Genetic algorithms
AUC
Engenharia eletrônica
Aprendizado do computador
Teoria bayesiana de decisão estatística
Fibrose cística
Técnica de oscilações forçadas
FOT
Aprendizado de máquina
Redes Bayesianas
Algoritmos genéticos
AUC
CNPQ::ENGENHARIAS
title_short Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
title_full Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
title_fullStr Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
title_full_unstemmed Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
title_sort Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas
author Pinto, Noemi da Paixão
author_facet Pinto, Noemi da Paixão
author_role author
dc.contributor.advisor1.fl_str_mv Amaral, Jorge Luís Machado do
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1000528740958810
dc.contributor.advisor-co1.fl_str_mv Melo, Pedro Lopes de
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/4366715224334657
dc.contributor.referee1.fl_str_mv Garcia, Ana Cristina Bicharra
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/4879977915136752
dc.contributor.referee2.fl_str_mv Pi, Nayat Sánchez
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/5955227275555226
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/3095583384026853
dc.contributor.author.fl_str_mv Pinto, Noemi da Paixão
contributor_str_mv Amaral, Jorge Luís Machado do
Melo, Pedro Lopes de
Garcia, Ana Cristina Bicharra
Pi, Nayat Sánchez
dc.subject.eng.fl_str_mv Electronic engineering
Computer learning
Bayesian theory of statistical decision
Cystic fibrosis
Forced oscillation technique
FOT
Machine learning
Bayesian Networks
Genetic algorithms
AUC
topic Electronic engineering
Computer learning
Bayesian theory of statistical decision
Cystic fibrosis
Forced oscillation technique
FOT
Machine learning
Bayesian Networks
Genetic algorithms
AUC
Engenharia eletrônica
Aprendizado do computador
Teoria bayesiana de decisão estatística
Fibrose cística
Técnica de oscilações forçadas
FOT
Aprendizado de máquina
Redes Bayesianas
Algoritmos genéticos
AUC
CNPQ::ENGENHARIAS
dc.subject.por.fl_str_mv Engenharia eletrônica
Aprendizado do computador
Teoria bayesiana de decisão estatística
Fibrose cística
Técnica de oscilações forçadas
FOT
Aprendizado de máquina
Redes Bayesianas
Algoritmos genéticos
AUC
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS
description When the cystic fibrosis studies began, it used to lead newborns to death after their first year of life. However, due to advances in treatment of cystic fibrosis, these patients have reached adulthood. Medical exams such as sweat test and spirometry, have been used as an attempt to diagnose the disease on its first stage, but these methods have not been efficient. Therefore, a new method is being studied to evaluate the mechanical properties of the respiratory system: the Forced Oscillation Technique (FOT). To prove the efficiency of this new technique, the present work proposes the use of machine learning algorithms to help the investigation and diagnosis of respiratory changes in cystic fibrosis. The data provided by FOT were used on the following algorithms: K Nearest Neighbor (K-NN), Radial Support Vector Machine (RSVM), Adaboost (ADAB) and Random Forest (RF). With the purpose of keeping a good accuracy and increase the interpretability of the results, this data was submitted to Bayesian Network synthesized by genetic algorithm (RBGAOT). From the experiments performed, the respiratory reactance provided by the FOT was the feature selection that presented the best individual performance (AUC=0.85). On the experiment with eight features, the RBGAOT had the best performance (AUC=0.88). When the methods of cross product and feature selection were applied, the K-NN and ADAB were the algorithms with the best results (AUC=0.89). The experiments realized showed that the use of machine learning algorithms increased the accuracy on the diagnosis of respiratory changes in cystic fibrosis. The inference about the networks constructed by RBGAOT generated an increase in the interpretability of the existing relation between the variables provided by the FOT.
publishDate 2018
dc.date.available.fl_str_mv 2018-08-02
dc.date.issued.fl_str_mv 2018-05-15
dc.date.accessioned.fl_str_mv 2021-01-06T19:19:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PINTO, Noemi da Paixão. Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas. 2018. 116 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018.
dc.identifier.uri.fl_str_mv http://www.bdtd.uerj.br/handle/1/11872
identifier_str_mv PINTO, Noemi da Paixão. Detecção de alterações respiratórias na fibrose cística através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas. 2018. 116 f. Dissertação (Mestrado em Redes de Telecomunicações; Sistemas Inteligentes e Automação) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2018.
url http://www.bdtd.uerj.br/handle/1/11872
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia Eletrônica
dc.publisher.initials.fl_str_mv UERJ
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Centro de Tecnologia e Ciências::Faculdade de Engenharia
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UERJ
instname:Universidade do Estado do Rio de Janeiro (UERJ)
instacron:UERJ
instname_str Universidade do Estado do Rio de Janeiro (UERJ)
instacron_str UERJ
institution UERJ
reponame_str Biblioteca Digital de Teses e Dissertações da UERJ
collection Biblioteca Digital de Teses e Dissertações da UERJ
bitstream.url.fl_str_mv http://www.bdtd.uerj.br/bitstream/1/11872/1/Noemi+da+Paixao+Pinto_p1.pdf
http://www.bdtd.uerj.br/bitstream/1/11872/2/Noemi+da+Paixao+Pinto_p2.pdf
bitstream.checksum.fl_str_mv 0606ba5b8bc62e64ded3eb33992f694a
ed6da7f5cefe10de7f40082e5fd6cfe4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)
repository.mail.fl_str_mv bdtd.suporte@uerj.br
_version_ 1811728661530804224