Publicação
Diagnóstico automático no cancro da mama
| Resumo: | O presente trabalho tem como objetivo principal o desenvolvimento de uma aplicação que auxilie os profissionais de saúde, no diagnóstico do cancro da mama, através da implementação de técnicas de aprendizagem automáticas que identifiquem potenciais doentes a partir de um conjunto de caraterísticas extraídas previamente de mamografias. A implementação de técnicas de aprendizagem automática realiza-se através da elaboração e treino de uma rede neuronal artificial feedfoward do tipo Perceptron Multi Camadas. Neste trabalho a implementação para tal operação foi feita em Python, recorrendo à utilização de duas bibliotecas diferentes (sklearn e keras). Os resultados experimentais foram obtidos pela realização de simulações em cada uma das aplicações desenvolvidas, e o desempenho do classificador neuronal foi avaliado através de medidas de desempenho dos sistemas de classificação e da curva ROC. Os resultados mostram-se promissores, visto que, o sistema de redes neuronais foi capaz de discriminar dois universos separáveis, para doentes com tumor benigno ou maligno. |
|---|---|
| Autores principais: | Ribeiro, Vera Susana |
| Assunto: | Cancro da Mama Diagnóstico Redes Neuronais Artificiais Classificador Neuronal Accuracy |
| Ano: | 2018 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade de Trás-os-Montes e Alto Douro |
| Idioma: | português |
| Origem: | Repositório da UTAD |
| Resumo: | O presente trabalho tem como objetivo principal o desenvolvimento de uma aplicação que auxilie os profissionais de saúde, no diagnóstico do cancro da mama, através da implementação de técnicas de aprendizagem automáticas que identifiquem potenciais doentes a partir de um conjunto de caraterísticas extraídas previamente de mamografias. A implementação de técnicas de aprendizagem automática realiza-se através da elaboração e treino de uma rede neuronal artificial feedfoward do tipo Perceptron Multi Camadas. Neste trabalho a implementação para tal operação foi feita em Python, recorrendo à utilização de duas bibliotecas diferentes (sklearn e keras). Os resultados experimentais foram obtidos pela realização de simulações em cada uma das aplicações desenvolvidas, e o desempenho do classificador neuronal foi avaliado através de medidas de desempenho dos sistemas de classificação e da curva ROC. Os resultados mostram-se promissores, visto que, o sistema de redes neuronais foi capaz de discriminar dois universos separáveis, para doentes com tumor benigno ou maligno. |
|---|