Please use this identifier to cite or link to this item: http://repositorio.ifam.edu.br/jspui/handle/4321/1035
metadata.dc.type: Trabalho de Conclusão de Curso
Title: Implementação do método de regressão logística na classificação de exames por espectrometria de massa quanto à presença de câncer do ovário
metadata.dc.creator: Neves, João Paulo Santa Rita
metadata.dc.contributor.advisor1: Santos, Alyson de Jesus dos
metadata.dc.contributor.referee1: Santos, Alyson de Jesus dos
metadata.dc.description.resumo: Este trabalho tem como objetivo implementar o método de regressão logística, uma rede neural simples de 01 única camada, para classificar os resultados dos exames de espectrometria de massa em 02 classes de diagnostico: com ou sem câncer de ovário. Foi utilizada uma base de dados “ovarianInputs” com os dados de 216 pacientes examinados com intensidades de íons correspondentes a 100 valores específicos de carga-massa, assim como a base de dados “ovarianTargets” com os resultados do diagnostico para fins de treinamento da rede neural (aprendizado supervisionado). Foi utilizado o método k-fold em 5 pastas randomizadas para a avaliação da acurácia média do modelo. Utilizou-se a matriz de confusão obtida a partir da classificação dos elementos do conjunto de teste de cada pasta. O algoritmo responsável por essa implementação foi desenvolvido utilizando as bibliotecas da linguagem Python e os resultados foram comparados com os resultados obtidos a partir da formulação matemática do modelo no software MATLAB, alcançando uma acurácia média de 93,03% em ambas as implementações.
Abstract: This work aims to implement the logistic regression method, a simple 01 single-layer Artificial Neural Network, to classify the results of mass spectrometry exams in 02 diagnosis classes: with or without ovarian cancer. An “OvarianInputs” database was used with data from 216 patients examined with ion intensities corresponding to 100 specific load-mass values and the “OvarianTargets” database with diagnostic results for network training purposes neural. The k-fold cross validation was used in 5 randomized folders to assess the average accuracy of the model. The confusion matrix obtained from the classification of the elements of the test set of each folder was used. The algorithm responsible for this implementation was developed using Python language libraries and compared with the results obtained from the mathematical formulation of the model in MATLAB software, reaching an average accuracy of 93.03% in both implementations.
Keywords: Regressão logística
Câncer de ovário
Rede neural
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
metadata.dc.publisher.initials: Instituto Federal do Amazonas
IFAM
Engenharia de Controle e Automação
Instituto Federal do Amazonas
IFAM
Engenharia de Controle e Automação
Instituto Federal do Amazonas
IFAM
Engenharia de Controle e Automação
metadata.dc.publisher.department: Campus Manaus Distrito
Citation: Neves, João Paulo Santa Rita. Implementação do método de regressão logística na classificação de exames por espectrometria de massa quanto à presença de câncer do ovário. Manaus. 2021. 76 f. Monografia. (Graduação em Engenharia de Controle e Automação) - Instituto Federal de Educação, Ciência e Tecnologia do Amazonas, Campus Manaus Distrito Industrial, Manaus, 2021.
metadata.dc.rights: Acesso Aberto
URI: http://repositorio.ifam.edu.br/jspui/handle/4321/1035
Issue Date: 7-Apr-2022
Appears in Collections:Monografia_Cont_Automação

Files in This Item:
File Description SizeFormat 
Implementação do método de regressão logística na classificação de exames por espectrometria de massa quanto à presença de câncer do ovário_Neves_2021.pdf.pdfMonografia_Controle e Automação - IFAM Campus Manaus Distrito Industrial1,17 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.