Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Picheth, Geraldo, 1955- | - |
Autor(es): dc.contributor | Raittz, Roberto Tadeu | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Programa de Pós-Graduação em Bioinformática | - |
Autor(es): dc.creator | Volanski, Waldemar | - |
Data de aceite: dc.date.accessioned | 2019-08-22T00:23:53Z | - |
Data de disponibilização: dc.date.available | 2019-08-22T00:23:53Z | - |
Data de envio: dc.date.issued | 2017-07-18 | - |
Data de envio: dc.date.issued | 2017-07-18 | - |
Data de envio: dc.date.issued | 2011 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/1884/48065 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/48065 | - |
Descrição: dc.description | Orientador: Prof. Dr. Geraldo Picheth | - |
Descrição: dc.description | Co-orientador: Prof. Dr. Roberto Tadeu Raittz | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Programa de Pós-Graduação em Bioinformática. Defesa: Curitiba, 03/02/2011 | - |
Descrição: dc.description | Inclui referências | - |
Descrição: dc.description | Área de concentração : Bioinformática | - |
Descrição: dc.description | Resumo: A urinálise contempla uma avaliação semi-quantitativa de analitos e contagem diferencial de células presentes na urina. A análise fornece informações diagnósticas relevantes principalmente sobre o sistema urinário e renal. Neste trabalho, foi estudada a aplicação de redes neuronais aplicadas a tomada de decisão sobre a liberação do ensaio de urinálise, comparada ao processo de decisão realizados por profissionais do laboratório clínico. Registros de resultados de urinálise (n=140.482), anô imos, foram obtidos no Laboratório Municipal de Curitiba, após a aprovação da pesquisa pelo Comitê de Ética em Pesquisa com Seres Humanos da UFPR (CAE: 0106.0.091.000-09). Os pacientes em estudo apresentaram idade média de 38 anos, com amplitude de variação de 0 a 101 anos. A predominância do sexo feminino foi superior a 65% na amostra. Quando os elementos do ensaio foram analisados individualmente, alterações nas concentrações de esterase leucocitária e hemoglobina, bem como as contagens de leucócitos e eritrócitos estão presentes em cerca de 95% de todos os pacientes com alterações na urinálise. Aplicando-se classificação da amostra baseada em valores de referência, cerca de 65% dos registros mostraram no mínimo um parâmetro urinário fora dos valores de referência. Quando a mesma amostra foi classificada por profissionais, que consideram além dos valores de referência, a consistência entre ensaios relacionados (esterase leucocitária-contagem de leucócitos; hemoglobina-contagem de eritrócitos) para a liberação dos ensaios, cerca de 30% dos resultados ficaram "retidos" para análises posteriores de verificação devido a inconsistência nos resultados. Duas redes neuronais (MLP, multilayer perceptron e FAN, free associative neurons) foram treinadas, testadas e validadas, utilizando como critérios de grupos os resultados dos profissionais designados "liberados" e "retidos". O treinamento das redes mostrou que para a rede MLP o banco de dados deve ser "balanceado", números equilibrados de registros "liberados" e "retidos" para a obtenção do melhor desempenho. Para permitir o acesso ao banco de dados e facilitar a obtenção de resultados um software de apoio foi desenvolvido e utilizado em todo o trabalho. As redes neuronais em estudo foram avaliadas com uma amostra de 484 pacientes da rotina, avaliado por dois profissionais. A rede MLP apresentou uma divergência de cerca de 9 a 12% (sensibilidade 100%; especificidade 90,1%) e om os profissionais, significativamente menor que a rede FAN, 17 a 19% (sensibilidade 39,0% e especificidade 86,9%), respectivamente. A comparação entre o desempenho das redes neuronais com o banco de dados, superior a 100.000 registros, mostrou que a rede MLP apresentou desempenho compatível ao dos profissionais (29,5% vs 21,6%, respectivamente) na classificação dos ensaios retidos. A rede FAN reteve menos amostras (18,2%) sugerindo a maior divergência com a resposta dos profissionais. Em síntese, é possível afirmar que a rede neuronal MLP (Multilayer Percetrons) validada com uma base de dados "balanceada" permite identificar padrões liberação e retenção de resultados de forma a mimetizar os critérios de profissionais para o ensaio de urinálise. Também o programa computacional em linguagem Python, tilizando a rede MLP, desenvolvido para acessar o banco de dados e classificar a amostra apresentou bom desempenho e segurança, sendo recomendado para uso no laboratório clínico. | - |
Descrição: dc.description | Abstract: The urinalysis assay represents a combination of semi-quantitative analysis of the differential cells counts in urine. This analysis provides relevant information mainly on the renal and urinary systems. The aim of the work was to compare the study of neural networks associated with laboratory decision support systems, against the process of clinical laboratory professionals’ decisions. A de-identified clinical database (140.482 records) was obtained from Laboratório Municipal de Curitiba. The research was approved by UFPR Ethical Committee for Research with Humans (CAE: 0106.0.091.000-09). The sample population showed mean age of 38 years with an age range of 0-101 years. Females predominated at more than 65%. When individual urinalysis components were quantified the concentration of leucocytes esterase and haemoglobin, as well as the count of leucocytes and erythrocytes occurred in about 95% of all pathologic cases. When reference value was appliedto the sample classification, about 65% of all cases were outside the reference values by at least one parameter. Laboratory clinical professionals often consider beyond the reference values: the consistency of the associated parameters (leucocytes esterase concentration vs. leucocytes count; haemoglobin concentration vs. erythrocyte count) on the criteria for the "release" or "hold" of the result. When the sample was analyzed by professionals about 30% was "held" for additional nvestigation due to inconsistency in results. Two neural networks Multi Layer Perceptron (MLP) and Free Associative Neurons (FAN) were trained, tested and validated, applying the laboratory professional’s criteria for result "release" or "hold". The MLP network showed that the training with a "balanced" data set (characterized by the some number of groups "release" and "hold") improved performance . To access the atabase and facilitate the work software was developed and utilized throughout the entire project. The two studied networks were evaluated with a sample of 484 routine patients, previously screened by the professionals. The MLP network showed a discrepancy of about 9- 12% (sensitivity 100%; specificity 91.1%) when compared to professionals. These results were significantly lower that those obtained using the network FAN (17-19%) which showed a sensitivity of 39% and a specificity of 89.9%. The comparison of the performance of the studied neural networks with a large data set (n>100.000 registers) revealed that the MLP network produced a performance closer to those of professionals (21.6% vs. 29.5%, respectively) for the detection of "hold" samples. In summary we can highlight that MLP neural network, validated with a "balanced" data set, was able to identify the pattern of urinalysis results released, comparably with the laboratory professionals .Also, the software developed (written in Python) for the MLP network showed a good performance and safety and thus we recommended it’s application. in the clinical laboratory. | - |
Formato: dc.format | 96f. : il. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Teses | - |
Palavras-chave: dc.subject | Sistemas de suporte de decisão | - |
Palavras-chave: dc.subject | Redes neurais | - |
Palavras-chave: dc.subject | Software - Desenvolvimento | - |
Palavras-chave: dc.subject | Inteligencia artificial | - |
Palavras-chave: dc.subject | Urina - Exame | - |
Palavras-chave: dc.subject | Educação | - |
Título: dc.title | Desenvolvimento e validação de sistema de apoio à decisão em urinálise com inteligência artificial utilizando redes neuronais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: