Repository logo
 
Publication

Aplicação de um método computacional para o diagnóstico precoce do câncer de próstata usando reconhecimento de padrões proteômicos

2016Journal article Open access
Simple item page
dc.contributor.authorMontes, Elzenir
dc.contributor.authorCampos, Lúcio
dc.contributor.authorWesley, Araujo
dc.contributor.authorSantana, Ewaldo
dc.contributor.authorAraujo, Claudyane
dc.date.accessioned2017-03-13T17:19:10Z
dc.date.available2017-03-13T17:19:10Z
dc.date.issued2016
dc.description.abstractO presente trabalho apresenta um método baseado em reconhecimento de padrões proteômicos para o diagnóstico precoce do câncer de próstata, utilizando técnicas computacionais, aplicadas na base de dados de padrões proteômicos SELDI-TOF. O método baseia-se em classificar o indivíduo quanto ao estágio de portabilidade do câncer de próstata. Para tanto, usa-se a técnica de Análise de Componentes Independente (ICA) para extrair as características, depois o algoritmo de Máxima Relevância e Mínima Redundância para reduzir o custo computacional, e finalmente a Máquina de Vetores de Suporte para a classificação. Obtêm-se o melhor resultado do método com um vetor de 27 características, alcançando acurácia, especificidade e sensibilidade, respectivamente de 89,21%, 83,68% e 95,08%.pt_PT
dc.description.abstractThis paper presents a method based on the recognition of proteomic patterns for the early diagnosis of prostate cancer, using computational techniques, applied in the database of SELDI-TOF proteomic patterns. The method is based on classifying the individual as to the portability stage of prostate cancer. To do so, the Independent Component Analysis (ICA) technique is used to extract the characteristics, after which are utilized the algorithm of Maximum Relevance and Minimum Redundancy to reduce the computational cost, and finally the Support Vector Machine to obtain the classification. The best result of the method was obtained with a vector of 27 characteristics, achieving accuracy, specificity and sensitivity, respectively of 89.21%, 83.68% and 95.08%.pt_PT
dc.description.versioninfo:eu-repo/semantics/publishedVersionpt_PT
dc.identifier.citationMontes, Elzenir; [et al.] - Aplicação de um método computacional para o diagnóstico precoce do câncer de próstata usando reconhecimento de padrões proteômicos. "Revista de Ciências da Computação" [Em linha]. ISSN 1646-6330 (Print) 2182-1801 (Online). Vol. 11, nº 11 (2016), p. 35-46pt_PT
dc.identifier.doihttps://doi.org/10.34627/rcc.v11i0.85
dc.identifier.issn1646-6330
dc.identifier.issn2182-1801
dc.identifier.urihttp://hdl.handle.net/10400.2/6307
dc.language.isoporpt_PT
dc.peerreviewedyespt_PT
dc.publisherUniversidade Abertapt_PT
dc.relation.publisherversionhttps://journals.uab.pt/index.php/rcc/article/view/85pt_PT
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/pt_PT
dc.subjectAnálise de componentes independentespt_PT
dc.subjectCâncer de próstatapt_PT
dc.subjectMáquina de vetor de suportept_PT
dc.subjectMáxima relevância e mínima redudânciapt_PT
dc.subjectReconhecimento de padrõespt_PT
dc.subjectIndependent component analysispt_PT
dc.subjectProstate cancerpt_PT
dc.subjectSupport vector machinept_PT
dc.subjectMaximum relevance and minimum redundancypt_PT
dc.subjectPattern recognitionpt_PT
dc.titleAplicação de um método computacional para o diagnóstico precoce do câncer de próstata usando reconhecimento de padrões proteômicospt_PT
dc.title.alternativeApplication of a computational method for the early diagnosis of prostate cancer using proteomic pattern recognitionpt_PT
dc.typejournal article
dspace.entity.typePublication
oaire.citation.conferencePlaceLisboapt_PT
oaire.citation.endPage46pt_PT
oaire.citation.startPage35pt_PT
oaire.citation.titleRevista de Ciências da Computaçãopt_PT
rcaap.rightsopenAccesspt_PT
rcaap.typearticlept_PT

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
83.pdf
Size:
545.88 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.13 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

RCC - Revista de Ciências da Computação