Navegando por Assunto "Dimorfismo sexual"
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Uso de algoritmo de aprendizado de máquina para diferenciar dados morfométricos retinianos quanto ao sexo da pessoa(2021-10-08) FARIAS, Flávia Monteiro; SOUZA, Givago da Silva; http://lattes.cnpq.br/5705421011644718; https://orcid.org/0000-0002-4525-3971A presente pesquisa comparou as acurácias de classificação obtidas com a implementação de diferentes valores de K (2 a 10) do algoritmo de aprendizado de máquina k-nearest neighbors (kNN) em classificar os valores de espessura e volume das camadas da retina como pertencentes a participantes do sexo masculino ou a participantes do sexo feminino. O objetivo é avaliar se o parâmetro de K do algoritmo kNN interfere na classificação do dimorfismo sexual presente nos dados morfométricos retinianos. A aquisição dos dados foi realizada na mácula retiniana com a tomografia de coerência óptica no domínio espectral (tomógrafo Spectralis HRA+OCT) em 64 pessoas (38 mulheres e 26 homens) de visão normal, acuidade visual normal ou corrigida ≤ 20/40, sem doenças oculares ou doenças sistêmicas, pertencentes a faixa etária de 20 a 40 anos. A análise de aprendizado de máquina considerou como características dos dados a espessura nas nove regiões do ETDRS e o volume macular total de cada camada retiniana e como classes o sexo feminino e sexo masculino. O ANOVA 1 critério e Tukey HSD post-hoc foram utilizados para as comparações estatísticas sobre as medidas de acurácia obtidas com as diferentes implementações do algoritmo kNN com diferentes parâmetros de k, considerando o nível de significância de < 0,05. O algoritmo kNN classifica com maior acurácia (> 0,70) as camadas mais internas da retina (CFRN, CCG, CNI, CPI, retina interna) e retina total, onde observamos diferenças significativas (p < 0,05) entre os sexos, quando comparado a acurácia de classificação (> 0,60) das camadas que não possuem diferenças significativas entre os sexos (CPE, CNE, EPR e retina externa). O uso de diferentes valores de K na implementação do algoritmo kNN apresenta efeito de interação significativo F = 2,20 (p = 0,03) entre as médias de acurácia de classificação da retina total. Por outro lado, não foram encontradas diferenças significativas entre as acurácias dos diferentes valores de k obtidos usando os dados morfométricos das diferentes camadas da retina (p > 0,05). A utilização de diferentes valores de K do algoritmo kNN não afeta o desempenho do algoritmo em classificar as medidas de espessura e volume das camadas da retina como pertencentes a pessoas do sexo masculino ou do sexo feminino.