Discriminação de classes fundamentada em técnicas de otimização não linear e combinatória associadas a funções de base radiais: um estudo de caso em mamografia (2005)
- Authors:
- Autor USP: SANTO, RAFAEL DO ESPIRITO - EP
- Unidade: EP
- Sigla do Departamento: PSI
- Subjects: NEOPLASIAS MAMÁRIAS (DIAGNÓSTICO); MAMOGRAFIA; OTIMIZAÇÃO NÃO LINEAR; OTIMIZAÇÃO COMBINATÓRIA
- Language: Português
- Abstract: Investigamos neste trabalho diversas abordagens de classificação, utilizando como estudo de caso calcificações e massas momográficas (benignas ou malignas): O Multi-Layer Perceptron (MLP), um classificador de duplo estágio (ART2LDA), fundamentado na Teoria da Ressonância Adaptativa - Adaptive Resonance Theory (ART) e Discriminação Linear (LDA) - que aceita treinamentos supervisionados e não supervisionados, e um discriminador de classes implementado segundo técnicas de otimização não linear e combinatória associadas à capacidade de classificação das Funções de Bases Radiais (RBF's). Os classificadores são treinados com uma base de dados constituída de 143 calcificações (79 malignas e 64 benignas), representadas por fatores de forma. Os classificadores também são treinados com uma base de dados contendo 57 regiões de interesse (37 malignas e 20 benignas) que descrevem as complexidades das massas e tumores a partir de fatores de forma, transição de bordas e medidas de textura. Adotamos o procedimento leave-one-out nos treinamentos. Os desempenhos dos classificadores em discriminar casos benignos e malignos são comparados em termos da área sob curva Receiver Operating Characteristic (Az). Quanto maior o valor de Az, melhor é o desempenho do classificador. Os experimentos com calcificações mostram que o melhor resultado é o obtido com RBF-Simulated Annealing (Az = 0,97), pois o valor de Az encontrado tem maior magnitudeque os valores computados para os classificadores MLP (Az = 0,70) e ART2LDA (Az = 0,71). Nos experimentos com massas e tumores, nota-se que os desempenhos dependem da dimensão dos casos exemplos empregados nos treinamentos dos classificadores. O melhor desempenho observado em casos exemplos de três dimensões é o do MLP (Az = 0,994), pois o valor de Az desse classificador é maior que os valores de Az obtidos com o RFF-Simulated Annealing (Az = 0,912) e o ART2LDA (Az = 0,901). ) Com casos exemplos de oito dimensões o RBF-Simulated Annealing. (Az = 0,999) teve melhor desempenho que o MLP (Az = 0.982) e o ART2LDA (Az = 0.885).
- Imprenta:
- Data da defesa: 30.03.2005
-
ABNT
ESPÍRITO-SANTO, Rafael do. Discriminação de classes fundamentada em técnicas de otimização não linear e combinatória associadas a funções de base radiais: um estudo de caso em mamografia. 2005. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2005. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-30072024-104512/pt-br.php. Acesso em: 08 out. 2024. -
APA
Espírito-Santo, R. do. (2005). Discriminação de classes fundamentada em técnicas de otimização não linear e combinatória associadas a funções de base radiais: um estudo de caso em mamografia (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3142/tde-30072024-104512/pt-br.php -
NLM
Espírito-Santo R do. Discriminação de classes fundamentada em técnicas de otimização não linear e combinatória associadas a funções de base radiais: um estudo de caso em mamografia [Internet]. 2005 ;[citado 2024 out. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-30072024-104512/pt-br.php -
Vancouver
Espírito-Santo R do. Discriminação de classes fundamentada em técnicas de otimização não linear e combinatória associadas a funções de base radiais: um estudo de caso em mamografia [Internet]. 2005 ;[citado 2024 out. 08 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-30072024-104512/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
