Uso de algoritmo de aprendizado de máquina para diferenciar dados morfométricos retinianos quanto ao sexo da pessoa
| dc.contributor.advisor1 | SOUZA, Givago da Silva | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5705421011644718 | pt_BR |
| dc.contributor.advisor1ORCID | https://orcid.org/0000-0002-4525-3971 | pt_BR |
| dc.creator | FARIAS, Flávia Monteiro | |
| dc.creator.Lattes | http://lattes.cnpq.br/5913218013482038 | pt_BR |
| dc.creator.ORCID | https://orcid.org/0000-0001-7798-7657 | pt_BR |
| dc.date.accessioned | 2022-08-30T14:10:26Z | |
| dc.date.available | 2022-08-30T14:10:26Z | |
| dc.date.issued | 2021-10-08 | |
| dc.description.abstract | The present research compared the classification accuracies obtained with the implementation of different K values (2 to 10) of the machine learning algorithm k-nearest neighbors (kNN) in classifying the thickness and volume values of the retinal layers as belonging to male participants or to female participants. The objective is to evaluate whether the K parameter of the kNN algorithm interferes in the classification of sexual dimorphism present in the retinal morphometric data. Data acquisition was performed in the retinal macula with optical coherence tomography in the spectral domain (Spectralis HRA+OCT tomograph) in 64 people (38 women and 26 men) with normal vision, normal or corrected visual acuity ≤ 20/40, without eye diseases or systemic diseases, belonging to the age group of 20 to 40 years. The machine learning analysis considered as characteristics of the data the thickness in the nine regions of the ETDRS and the total macular volume of each retinal layer and as classes the female and male sex. One-way ANOVA and Tukey HSD post-hoc were used for statistical comparisons on the accuracy measures obtained with different implementations of the kNN algorithm with different k parameters, considering a significance level of < 0.05. The kNN algorithm classifies more accurately (> 0.70) the innermost layers of the retina (CFRN, CCG, CNI, CPI, inner retina) and total retina, where we observed significant differences (p < 0.05) between genders, when compared to the classification accuracy (> 0.60) of the layers that do not have significant differences between genders (CPE, CNE, EPR and external retina). The use of different K values in the implementation of the kNN algorithm presents a significant interaction effect F = 2.20 (p = 0.03) between the mean classification accuracy of the total retina. On the other hand, no significant differences were found between the accuracies of the different k values obtained using the morphometric data of the different layers of the retina (p > 0.05). The use of different K values of the kNN algorithm does not affect the performance of the algorithm in classifying retinal layer thickness and volume measurements as belonging to males or females. | pt_BR |
| dc.description.resumo | A 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. | pt_BR |
| dc.identifier.citation | FARIAS, Flávia Monteiro. Uso de aprendizado de máquina para diferenciar dados morfométricos retiniano quanto ao sexo da pessoa. Orientador: Givago da Silva Souza. 2022. 34 f. Trabalho de Curso (Licenciatura em Ciências Biológicas) – Faculdade de Ciências Biológicas, Universidade Federal do Pará, Belém, 2021. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/4337. Acesso em:. | pt_BR |
| dc.identifier.uri | https://bdm.ufpa.br/handle/prefix/4337 | |
| dc.rights | Acesso Aberto | pt_BR |
| dc.source | Disponível na internet via correio eletrônico: bibbiologicas@ufpa.br | pt_BR |
| dc.subject | Técnicas de diagnóstico oftalmológico | pt_BR |
| dc.subject | Dimorfismo sexual | pt_BR |
| dc.subject | Oftalmopatias | pt_BR |
| dc.subject | Tomografia de coerência optica | pt_BR |
| dc.subject | Doenças retinianas | pt_BR |
| dc.subject.cnpq | CNPQ::CIENCIAS BIOLOGICAS | pt_BR |
| dc.title | Uso de algoritmo de aprendizado de máquina para diferenciar dados morfométricos retinianos quanto ao sexo da pessoa | pt_BR |
| dc.type | Trabalho de Curso - Graduação - Monografia | pt_BR |