Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/108385 |
Resumo: | Neste trabalho abordamos o problema de identificação e caracterização do pterígio, uma neo-formação conjuntival triangular ou trapezoidal benigna, com causa exata ainda não definida, que potencialmente pode acarretar cegueira, como um primeiro passo para a criação de um sistema espe-cialista para auxílio ao diagnóstico utilizando a técnica de reconhecimento de padrões denominada Floresta de Caminhos Ótimos (OPF). Para a caracterização da doença, propomos a utilização de três técnicas de seleção de características as quais buscaram reduzir a quantidade de características utilizadas no reconhecimento, sem todavia, projudicar a acurácia do classificador. Essas técnicas nasceram da junção do OPF com técnicas de otimização já existentes como Otimização por Enxame de Partículas (PSO), Busca Harmônica (BH) e Algoritmo de Busca Gravitacional(GSA), resultando nos algoritmos híbridos PSO-OPF, BH-OPF e GSA-OPF, respectivamente. O banco de dados utili-zado neste trabalho é proveniente de um Projeto da Faculdade de Medicina da UNESP de Botucatu que visou a criação de uma Unidade Móvel para atendimento oftalmológico à comunidades da região de Botucatu. Esse banco de dados possui 89 características de 7,654 pacientes dos quais 682 são acometidos por pterígio e os 6,972 restantes não possuem a doença. As técnicas foram aplicadas à esse Banco de dados em dois momentos distintos. Inicialmente, buscando a identificação da doença, aplicamos o OPF juntamente com outros nove classificadores buscando somente a identificação do pterígio, dividindo a base de dados em 50 % para treinamento dos classificadores e os 50 % restantes para a classificação dos dados, num ciclo repetido 10 vezes, com esses conjuntos treinamento e classificação gerados aleatoriamente... (Resumo completo, clicar acesso eletrônico abaixo) |
id |
UNSP_215c7b4a89f3cff2be5a96a844efe698 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/108385 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimizaçãoInteligencia artificialOftalmologiaFloresta de caminhos ótimosPterígioNeste trabalho abordamos o problema de identificação e caracterização do pterígio, uma neo-formação conjuntival triangular ou trapezoidal benigna, com causa exata ainda não definida, que potencialmente pode acarretar cegueira, como um primeiro passo para a criação de um sistema espe-cialista para auxílio ao diagnóstico utilizando a técnica de reconhecimento de padrões denominada Floresta de Caminhos Ótimos (OPF). Para a caracterização da doença, propomos a utilização de três técnicas de seleção de características as quais buscaram reduzir a quantidade de características utilizadas no reconhecimento, sem todavia, projudicar a acurácia do classificador. Essas técnicas nasceram da junção do OPF com técnicas de otimização já existentes como Otimização por Enxame de Partículas (PSO), Busca Harmônica (BH) e Algoritmo de Busca Gravitacional(GSA), resultando nos algoritmos híbridos PSO-OPF, BH-OPF e GSA-OPF, respectivamente. O banco de dados utili-zado neste trabalho é proveniente de um Projeto da Faculdade de Medicina da UNESP de Botucatu que visou a criação de uma Unidade Móvel para atendimento oftalmológico à comunidades da região de Botucatu. Esse banco de dados possui 89 características de 7,654 pacientes dos quais 682 são acometidos por pterígio e os 6,972 restantes não possuem a doença. As técnicas foram aplicadas à esse Banco de dados em dois momentos distintos. Inicialmente, buscando a identificação da doença, aplicamos o OPF juntamente com outros nove classificadores buscando somente a identificação do pterígio, dividindo a base de dados em 50 % para treinamento dos classificadores e os 50 % restantes para a classificação dos dados, num ciclo repetido 10 vezes, com esses conjuntos treinamento e classificação gerados aleatoriamente... (Resumo completo, clicar acesso eletrônico abaixo)Universidade Estadual Paulista (Unesp)Papa, João Paulo [UNESP]Schellini, Silvana Artioli [UNESP]Universidade Estadual Paulista (Unesp)Pagnin, André Franco [UNESP]2014-08-13T14:50:32Z2014-08-13T14:50:32Z2011-11-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis70 f. : il.application/pdfPAGNIN, André Franco. Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização. 2011. 70 f. Dissertação (mestrado) - Universidade Estadual Paulista, Instituto de Biociências, Letras e Ciências Exatas, 2011.http://hdl.handle.net/11449/108385000680447pagnin_af_me_sjrp.pdf33004153073P2Alephreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporinfo:eu-repo/semantics/openAccess2023-11-23T06:11:13Zoai:repositorio.unesp.br:11449/108385Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T18:29:29.746170Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
title |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
spellingShingle |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização Pagnin, André Franco [UNESP] Inteligencia artificial Oftalmologia Floresta de caminhos ótimos Pterígio |
title_short |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
title_full |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
title_fullStr |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
title_full_unstemmed |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
title_sort |
Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização |
author |
Pagnin, André Franco [UNESP] |
author_facet |
Pagnin, André Franco [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Papa, João Paulo [UNESP] Schellini, Silvana Artioli [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Pagnin, André Franco [UNESP] |
dc.subject.por.fl_str_mv |
Inteligencia artificial Oftalmologia Floresta de caminhos ótimos Pterígio |
topic |
Inteligencia artificial Oftalmologia Floresta de caminhos ótimos Pterígio |
description |
Neste trabalho abordamos o problema de identificação e caracterização do pterígio, uma neo-formação conjuntival triangular ou trapezoidal benigna, com causa exata ainda não definida, que potencialmente pode acarretar cegueira, como um primeiro passo para a criação de um sistema espe-cialista para auxílio ao diagnóstico utilizando a técnica de reconhecimento de padrões denominada Floresta de Caminhos Ótimos (OPF). Para a caracterização da doença, propomos a utilização de três técnicas de seleção de características as quais buscaram reduzir a quantidade de características utilizadas no reconhecimento, sem todavia, projudicar a acurácia do classificador. Essas técnicas nasceram da junção do OPF com técnicas de otimização já existentes como Otimização por Enxame de Partículas (PSO), Busca Harmônica (BH) e Algoritmo de Busca Gravitacional(GSA), resultando nos algoritmos híbridos PSO-OPF, BH-OPF e GSA-OPF, respectivamente. O banco de dados utili-zado neste trabalho é proveniente de um Projeto da Faculdade de Medicina da UNESP de Botucatu que visou a criação de uma Unidade Móvel para atendimento oftalmológico à comunidades da região de Botucatu. Esse banco de dados possui 89 características de 7,654 pacientes dos quais 682 são acometidos por pterígio e os 6,972 restantes não possuem a doença. As técnicas foram aplicadas à esse Banco de dados em dois momentos distintos. Inicialmente, buscando a identificação da doença, aplicamos o OPF juntamente com outros nove classificadores buscando somente a identificação do pterígio, dividindo a base de dados em 50 % para treinamento dos classificadores e os 50 % restantes para a classificação dos dados, num ciclo repetido 10 vezes, com esses conjuntos treinamento e classificação gerados aleatoriamente... (Resumo completo, clicar acesso eletrônico abaixo) |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-11-04 2014-08-13T14:50:32Z 2014-08-13T14:50:32Z |
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.uri.fl_str_mv |
PAGNIN, André Franco. Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização. 2011. 70 f. Dissertação (mestrado) - Universidade Estadual Paulista, Instituto de Biociências, Letras e Ciências Exatas, 2011. http://hdl.handle.net/11449/108385 000680447 pagnin_af_me_sjrp.pdf 33004153073P2 |
identifier_str_mv |
PAGNIN, André Franco. Identificação e caracterização de pterígio utilizando floresta de caminhos ótimos e técnicas de otimização. 2011. 70 f. Dissertação (mestrado) - Universidade Estadual Paulista, Instituto de Biociências, Letras e Ciências Exatas, 2011. 000680447 pagnin_af_me_sjrp.pdf 33004153073P2 |
url |
http://hdl.handle.net/11449/108385 |
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 |
70 f. : il. application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
Aleph reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128938292019200 |