Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma

Detalhes bibliográficos
Autor(a) principal: Vidotti Pimenta, Vanessa Gonçalves, 1980-
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1621971
Resumo: Orientador: Vital Paulino Costa
id UNICAMP-30_3ab5788d962e5f37d8109352d0f69e3a
oai_identifier_str oai::920911
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucomaSensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucomaGlaucomaTomografia de coerência ópticaSensibilidade e especificidadeGlaucomaArtificial Intelligence, ClassificationOptical coherence tomographySensitivity and specificityOrientador: Vital Paulino CostaTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências AplicadasResumo: O presente estudo teve como objetivo investigar a sensibilidade e especificidade dos classificadores de aprendizagem de máquina (MLC) e da tomografia de coerência óptica de domínio espectral (SD-OCT) para o diagnóstico de glaucoma. Sessenta e dois pacientes com glaucoma e defeito de campo visual inicial a moderado, e 48 indivíduos saudáveis foram incluídos. Todos os participantes foram submetidos a um exame oftalmológico completo, perimetria automatizada acromática e medida da espessura da camada de fibras nervosas da retina com SD-OCT (Cirrus HD-OCT; Carl Zeiss Meditec, Inc., Dublin, Califórnia, EUA). Uma curva ROC (receiver operating curve) foi obtida para cada parâmetro do SD-OCT: espessura média, espessura nos quatro quadrantes (temporal, superior, nasal e inferior) e a espessura a cada hora de relógio. Posteriormente, foram testados os seguintes MLCs construídos a partir dos dados do OCT: Árvore de Decisão (CTREE), Random Forest (RAN), Bagging (BAG), Adaptative Boosting (ADA), Ensemble Selection (ENS), Multilayer Perceptrons (MLP), Rede de Funções de Base Radial (RBF), Naive-Bayes (NB), Support Vector Machine - Linear (SVMl) e Support Vector Machine - Gaussian (SVMg). Áreas sob as curvas ROC (aROCs) foram obtidas para cada parâmetro do SD-OCT e para cada MLC. A média de idade foi de 57,0 ± 9,2 anos para os indivíduos saudáveis e de 59,9 ± 9,0 anos para os pacientes com diagnóstico de glaucoma (p=0,103). Valores do &quot;mean deviation¿ (MD) foram de -4,1 ± 2,4 dB para pacientes com glaucoma e -1,5 ± 1,6 dB para indivíduos normais (p<0,001). Os parâmetros do SD-OCT com as maiores aROCs foram: quadrante inferior (0,813), espessura média global (0,807), 7 horas (0,765) e 6 horas de relógio (0,754). As aROCs dos classificadores variaram de 0,785 (ADA) a 0,818 (BAG). A aROC obtida com o BAG não foi significativamente diferente da aROC obtida com o melhor parâmetro isolado do SD-OCT (p=0,932). O SD-OCT mostrou boa acurácia diagnóstica em um grupo de pacientes com glaucoma inicial a moderado. Os MLCs não melhoraram a sensibilidade e a especificidade do SD-OCT para o diagnóstico do glaucomaAbstract: This study aimed to investigate the sensitivity and specificity of machine learning classifiers (MLC) and spectral domain optical coherence tomography (SD-OCT) for the diagnosis of glaucoma. Sixty-two patients with early to moderate glaucomatous visual field damage and 48 healthy individuals were included. All subjects underwent a complete ophthalmologic examination, achromatic standard automated perimetry, and RNFL imaging with SD-OCT (Cirrus HD-OCT; Carl Zeiss Meditec, Inc., Dublin, California, USA). Receiver operating characteristic (ROC) curves were obtained for all SD-OCT parameters: average thickness, four quadrants (temporal, superior, nasal and inferior) and 12 clock hour measurements. Subsequently, the following MLCs were tested: Classification Tree (CTREE), Random Forest (RAN), Bagging (BAG), AdaBoost M1 (ADA), Ensemble Selection (ENS), Multilayer Perceptron (MLP), Radial Basis Function (RBF), Naive-Bayes (NB), and Support Vector Machine (SVM). Areas under the ROC curves (aROCs) were obtained for each parameter and each MLC. The mean age was 57.0 ± 9.2 years for healthy individuals and 59.9 ± 9.0 years for glaucoma patients (p=0.103). Mean deviation values were ¿4.1 ± 2.4 dB for glaucoma patients and ¿1.5 ± 1.6 dB for healthy individuals (p<0.001). The SD-OCT parameters with the greater aROCs were inferior quadrant (0.813), average thickness (0.807), 7 o¿clock position (0.765), and 6 o¿clock position (0.754). The aROCs obtained with classifiers varied from 0.785 (ADA) to 0.818 (BAG). The aROC obtained with BAG was not significantly different from the aROC obtained with the best single SD-OCT parameter (p=0.932). SD-OCT showed good diagnostic accuracy in a group of patients with early to moderate glaucoma. In this series, MLCs did not improve the sensitivity and specificity of SD-OCT for the diagnosis of glaucomaDoutoradoOftalmologiaDoutora em Ciências Médicas[s.n.]Costa, Vital Paulino, 1965-Tavares, Ivan MaynartJose Junior, Newton KaraCarvalho, Keila Miriam Monteiro deVasconcellos, José Paulo Cabral deUniversidade Estadual de Campinas (UNICAMP). Faculdade de Ciências MédicasPrograma de Pós-Graduação em Ciências MédicasUNIVERSIDADE ESTADUAL DE CAMPINASVidotti Pimenta, Vanessa Gonçalves, 1980-2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf165 p. : il.https://hdl.handle.net/20.500.12733/1621971VIDOTTI PIMENTA, Vanessa Gonçalves. Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma: Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma . 2014. 165 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621971. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/920911porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T07:13:46Zoai::920911Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T07:13:46Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
title Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
spellingShingle Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
Vidotti Pimenta, Vanessa Gonçalves, 1980-
Glaucoma
Tomografia de coerência óptica
Sensibilidade e especificidade
Glaucoma
Artificial Intelligence, Classification
Optical coherence tomography
Sensitivity and specificity
title_short Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
title_full Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
title_fullStr Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
title_full_unstemmed Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
title_sort Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma : Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma
author Vidotti Pimenta, Vanessa Gonçalves, 1980-
author_facet Vidotti Pimenta, Vanessa Gonçalves, 1980-
author_role author
dc.contributor.none.fl_str_mv Costa, Vital Paulino, 1965-
Tavares, Ivan Maynart
Jose Junior, Newton Kara
Carvalho, Keila Miriam Monteiro de
Vasconcellos, José Paulo Cabral de
Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Médicas
Programa de Pós-Graduação em Ciências Médicas
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Vidotti Pimenta, Vanessa Gonçalves, 1980-
dc.subject.por.fl_str_mv Glaucoma
Tomografia de coerência óptica
Sensibilidade e especificidade
Glaucoma
Artificial Intelligence, Classification
Optical coherence tomography
Sensitivity and specificity
topic Glaucoma
Tomografia de coerência óptica
Sensibilidade e especificidade
Glaucoma
Artificial Intelligence, Classification
Optical coherence tomography
Sensitivity and specificity
description Orientador: Vital Paulino Costa
publishDate 2014
dc.date.none.fl_str_mv 2014
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1621971
VIDOTTI PIMENTA, Vanessa Gonçalves. Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma: Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma . 2014. 165 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621971. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1621971
identifier_str_mv VIDOTTI PIMENTA, Vanessa Gonçalves. Sensitivity and specificity of machine learning classifiers and spectral domain OCT for the diagnosis of glaucoma: Sensibilidade e especificidade de sistemas de aprendizagem de máquina e da tomografia de coerência óptica de domínio espectral para o diagnóstico de glaucoma . 2014. 165 p. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621971. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/920911
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
165 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189112082595840

Registros relacionados