Use este identificador para citar ou linkar para este item:
https://repositorio.ifgoiano.edu.br/handle/prefix/2692
Tipo: | Trabalho de Conclusão de Curso |
Título: | AVALIAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA NA CLASSIFICAÇÃO DO CÂNCER |
Autor(es): | Oliveira Filho, Divino Borges |
Primeiro Orientador: | Carmo França, Heyde Francielle |
Primeiro Membro da Banca: | Carmo França, Heyde Francielle |
Segundo Membro da Banca: | Macêdo, Heverton Barros |
Terceiro Membro da Banca: | Silva, Marlus Dias |
Resumo: | O presente trabalho teve como base a importância da detecção precoce do câncer. Uma grande variedade de microRNAs (miRNAs) que indicam especificamente muitos tipos de câncer podem ser identificadas e seus perfis de expressão de miRNA analisados. Com isso, os miRNAs servem como uma ferramenta de diagnóstico de biópsia líquida não invasiva para a detecção precoce de muitos tipos de câncer. Assim sendo, foi possível avaliar técnicas de aprendizado de máquina na classificação do câncer, tendo como base um conjunto de dados obtidos do Hospital Albert Einstein. Três modelos de classificação foram experimentados, sendo dois Redes Neurais Convolucionais e um Máquina de Vetores de Suporte. Obteve-se, como resultado, que é possível treinar uma Rede Neural Convolucional com dados estruturados, porém tal conjunto precisa estar balanceado. E caso o conjunto de dados possuir apenas duas classes, modelos de classificação com Máquina de Vetores de Suporte mostram-se com melhor desempenho na classificação. |
Abstract: | The present work was based on the importance of early cancer detection. A wide variety of microRNAs (miRNAs) that specifically indicate many types of cancer can be identified and their miRNA expression profiles analyzed. Thus, miRNAs serve as a biopsy diagnostic tool non-invasive liquid for the early detection of many types of cancer. Therefore, it was possible to evaluate machine learning techniques in cancer classification, based on a dataset obtained from the Albert Einstein Hospital. Three classification models were tried, two Convolutional Neural Networks and one Support Vector Machine. As a result, it was possible to train a Convolutional Neural Network with structured data, but such a set needs to be balanced. And if the dataset has only two classes, classification models with Support Vector Machine show the best performance in classification. |
Palavras-chave: | Aprendizado de Máquina Redes Neurais Convolucionais Classificação de câncer Máquina de Vetores de Suporte miRNA |
Área do CNPq: | CIENCIAS EXATAS E DA TERRA CIENCIAS DA SAUDE |
Idioma: | por |
Pais: | Brasil |
Editor: | Instituto Federal Goiano |
Sigla da Instituição: | IF Goiano |
Campus: | Campus Rio Verde |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.ifgoiano.edu.br/handle/prefix/2692 |
Data do documento: | 12-Ago-2022 |
Aparece nas coleções: | Bacharelado em Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC_DIVINO BORGES DE OLIVEIRA FILHO.pdf | 17,33 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.