Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão

Detalhes bibliográficos
Autor(a) principal: Raquel Mariana Candido
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.59.2020.tde-12022021-140116
Resumo: A etiologia das Fraturas Vertebrais por Compressão (FVCs) não secundárias a traumas precisa ser investigada, pois as queixas clínicas para FVC benigna (osteoporose) e FVC maligna (câncer metastático) tendem a ser similares. Ao contrário da clusterização, métodos de auxílio ao diagnóstico baseados na classificação de FVCs têm sido propostos. O agrupamento é importante, pois os grupos criados por similaridade entre os corpos vertebrais podem contribuir no entendimento dos resultados da classificação, ajudar na compreensão das dificuldades em diferenciar as imagens e possuir relevância quando analisados por um especialista. A similaridade entre os objetos é definida a partir de seus atributos, porém nem todos são necessariamente relevantes para a caracterização do corpo vertebral, podendo, inclusive, atrapalhar um bom agrupamento. Uma possível solução para tal problema é reduzir a dimensionalidade de características através da seleção de atributos, que exclui os atributos tidos como irrelevantes para a caracterização dos dados. Neste mestrado, foi investigado o impacto no agrupamento de descritores de imagens de ressonância magnética de corpos vertebrais de pacientes com fraturas vertebrais por compressão quando há seleção de atributos pela técnica wrapper com algoritmos genéticos e redes neurais artificiais como técnica de busca e classificadores, respectivamente.
id USP_ad55790dabd24f2fed7a5e8c3bd6a935
oai_identifier_str oai:teses.usp.br:tde-12022021-140116
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão Impact of feature selection on clustering images of vertebral compression fractures 2020-12-15Renato TinósMarcello Henrique Nogueira BarbosaLariza Laura de OliveiraRaquel Mariana CandidoUniversidade de São PauloComputação AplicadaUSPBR Agrupamento Clustering Feature selection Fraturas vertebrais por compressão Seleção de atributos Vertebral compression fractures A etiologia das Fraturas Vertebrais por Compressão (FVCs) não secundárias a traumas precisa ser investigada, pois as queixas clínicas para FVC benigna (osteoporose) e FVC maligna (câncer metastático) tendem a ser similares. Ao contrário da clusterização, métodos de auxílio ao diagnóstico baseados na classificação de FVCs têm sido propostos. O agrupamento é importante, pois os grupos criados por similaridade entre os corpos vertebrais podem contribuir no entendimento dos resultados da classificação, ajudar na compreensão das dificuldades em diferenciar as imagens e possuir relevância quando analisados por um especialista. A similaridade entre os objetos é definida a partir de seus atributos, porém nem todos são necessariamente relevantes para a caracterização do corpo vertebral, podendo, inclusive, atrapalhar um bom agrupamento. Uma possível solução para tal problema é reduzir a dimensionalidade de características através da seleção de atributos, que exclui os atributos tidos como irrelevantes para a caracterização dos dados. Neste mestrado, foi investigado o impacto no agrupamento de descritores de imagens de ressonância magnética de corpos vertebrais de pacientes com fraturas vertebrais por compressão quando há seleção de atributos pela técnica wrapper com algoritmos genéticos e redes neurais artificiais como técnica de busca e classificadores, respectivamente. The etiology of Vertebral Compression Fractures (VCFs) not secondary to trauma needs to be investigated, as the clinical complaints for benign VCF (osteoporosis) and malignant VCF (metastatic cancer) are similar. In contrast to clustering, diagnostic aid methods based on the classification of VCFs have been proposed. Clustering is important, because the groups created by similarity between the vertebral bodies can contribute to the understanding of the classification results, help the understanding of images differentiating difficulties and have relevance when analyzed by a specialist. The similarity between the objects is based on their attributes, but not all of them are necessarily relevant to the characterization of the vertebral body, and can even interfere a good grouping. A possible solution to this problem is to reduce the dimensionality of characteristics through the feature selection, which excludes irrelevant attributes for data characterization. This work investigated the impact on the clustering of magnetic resonance image descriptors of vertebral bodies of patients with vertebral compression fractures when feature selection using the wrapper technique with genetic algorithms and artificial neural networks as a search technique and classifiers, respectively, are applied. https://doi.org/10.11606/D.59.2020.tde-12022021-140116info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:45:46Zoai:teses.usp.br:tde-12022021-140116Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:32:06.895383Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
dc.title.alternative.en.fl_str_mv Impact of feature selection on clustering images of vertebral compression fractures
title Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
spellingShingle Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
Raquel Mariana Candido
title_short Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
title_full Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
title_fullStr Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
title_full_unstemmed Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
title_sort Impacto da seleção de atributos no agrupamento de imagens de fraturas vertebrais por compressão
author Raquel Mariana Candido
author_facet Raquel Mariana Candido
author_role author
dc.contributor.advisor1.fl_str_mv Renato Tinós
dc.contributor.referee1.fl_str_mv Marcello Henrique Nogueira Barbosa
dc.contributor.referee2.fl_str_mv Lariza Laura de Oliveira
dc.contributor.author.fl_str_mv Raquel Mariana Candido
contributor_str_mv Renato Tinós
Marcello Henrique Nogueira Barbosa
Lariza Laura de Oliveira
description A etiologia das Fraturas Vertebrais por Compressão (FVCs) não secundárias a traumas precisa ser investigada, pois as queixas clínicas para FVC benigna (osteoporose) e FVC maligna (câncer metastático) tendem a ser similares. Ao contrário da clusterização, métodos de auxílio ao diagnóstico baseados na classificação de FVCs têm sido propostos. O agrupamento é importante, pois os grupos criados por similaridade entre os corpos vertebrais podem contribuir no entendimento dos resultados da classificação, ajudar na compreensão das dificuldades em diferenciar as imagens e possuir relevância quando analisados por um especialista. A similaridade entre os objetos é definida a partir de seus atributos, porém nem todos são necessariamente relevantes para a caracterização do corpo vertebral, podendo, inclusive, atrapalhar um bom agrupamento. Uma possível solução para tal problema é reduzir a dimensionalidade de características através da seleção de atributos, que exclui os atributos tidos como irrelevantes para a caracterização dos dados. Neste mestrado, foi investigado o impacto no agrupamento de descritores de imagens de ressonância magnética de corpos vertebrais de pacientes com fraturas vertebrais por compressão quando há seleção de atributos pela técnica wrapper com algoritmos genéticos e redes neurais artificiais como técnica de busca e classificadores, respectivamente.
publishDate 2020
dc.date.issued.fl_str_mv 2020-12-15
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 https://doi.org/10.11606/D.59.2020.tde-12022021-140116
url https://doi.org/10.11606/D.59.2020.tde-12022021-140116
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Computação Aplicada
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502673709400064

Registros relacionados