DetecÃÃo de ateromas com base em espectroscopia Raman utilizando ferramentas de seleÃÃo de variÃveis e classificaÃÃo de padrÃes.
AUTOR(ES)
Matta, ClÃudia Eliane da
DATA DE PUBLICAÇÃO
2003
RESUMO
Esta tese investiga o uso de anÃlise discriminante e redes neurais artificiais em conjunto com tÃcnicas de seleÃÃo de nÃmeros de onda para classificaÃÃo de espectros Raman de tecidos arteriais sadios, ateromatosos ou calcificados. Duas tÃcnicas de seleÃÃo sÃo estudadas: a primeira à baseada na FunÃÃo Discriminante de Fisher, definida para cada variÃvel espectral como a razÃo entre a dispersÃo dos dados entre as classes e dentro de cada classe; a segunda emprega um Algoritmo GenÃtico de modo a levar em conta a informaÃÃo conjunta de grupos de variÃveis ao invÃs de considerÃ-los isoladamente. Para avaliaÃÃo dos classificadores resultantes, foi utilizado um conjunto de 60 espectros Raman obtidos no Instituto de Pesquisa e Desenvolvimento (IP&D) da UNIVAP. Para esse conjunto de dados, a FunÃÃo Discriminante de Fisher conduziu à seleÃÃo de comprimentos de onda concentrados em torno de picos espectrais, o que prejudicou o desempenho dos classificadores. A seleÃÃo realizada pelo Algoritmo GenÃtico foi mais bem distribuÃda ao longo da faixa espectral de trabalho e possibilitou um bom desempenho de classificaÃÃo, mesmo na presenÃa de problemas simulados de desalinhamento espectral. Na comparaÃÃo entre os classificadores, verificou-se que tanto o modelo obtido por anÃlise discriminante linear quanto a rede neural classificaram corretamente todos os espectros de validaÃÃo. Contudo, o modelo de discriminante linear apresentou maior robustez ao desalinhamento espectral.
ASSUNTO(S)
espectroscopia raman algoritmos genÃticos inteligÃncia artificial anÃlise discriminante (estatÃstica) redes neurais
ACESSO AO ARTIGO
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=550Documentos Relacionados
- ClassificaÃÃo automÃtica de modulaÃÃo digital de sinais de comunicaÃÃes utilizando reconhecimento de padrÃes.
- SegmentaÃÃo e classificaÃÃo de padrÃes visuais baseadas em campos receptivos e inibitÃrios
- ClassificaÃÃo de proteÃnas usando mÃquinas de aprendizagem e descoberta de padrÃes
- TransferÃncia de calibraÃÃo de instrumentos para anÃlise espectromÃtrica empregando seleÃÃo de variÃveis, reamostragem e combinaÃÃo de modelos.
- CobMiner - MineraÃÃo de PadrÃes Arborescentes com RestriÃÃes