| Summary: | Made available in DSpace on 2016-08-17T14:53:21Z (GMT). No. of bitstreams: 1
dissertacao Simone Cristina.pdf: 915238 bytes, checksum: 6eb097a7ebfb66da176cd431d9883ba3 (MD5)
Previous issue date: 2012-07-24 === The ovarian cancer is difficult to diagnose in the early stages of development.
In this work we bring a study of a new method that gave us great accuracy rates
based on a bioinformatics tool called surface enhanced for laser desorption and
ionization (SELDI-TOF) used to generate proteomic patterns which is one of the
technologies advanced in the diagnosis. Our goal is to contribute to effectiveness of
this tool, which already helps diagnosis earlier, our methodology uses independent
component analysis (ICA) for feature extraction and neural networks to classify
between malignancy and no malignancy in a database of the research center cancer
in the U.S.A. Our work rates obtained acurracy 97%, 98% specificity and 96%
sensitivity. === O câncer de ovário possui difícil diagnóstico nas primeiras fases de
desenvolvimento. Neste trabalho trazemos um estudo de um novo
método que nos deu ótimas taxas de precisão baseado em uma
ferramenta da bio-informática chamada superfície mehorada a laser para
ionização e dessorção (SELDI-TOF) usada para geração de padrões
proteômicos que é uma das tecnologias mais avançada no auxílio ao
diagnóstico. Nosso objetivo é contribuir para eficácia desta esta
ferramenta, que já auxilia o dignóstico precoce, nossa metodologia usa
análise de componentes independentes (ICA) para extração de
caractéristicas e redes neurais para classificar entre malignidade e não
malignidade em uma base de dados do centro de pesquisa do câncer
nos EUA. Nosso trabalho obteve taxas de 97% de acurária, 98% de
especifidade e 96 % de sensibilidade.
|
|---|
