Detecção de alterações respiratórias na sarcoidose através da técnica de oscilações forçadas e algoritmos de aprendizado de máquinas

• Ano de defesa: 2020
• Autor(a) principal: Lima, Allan Danilo de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Faculdade de Engenharia; Brasil; UERJ; Programa de Pós-Graduação em Engenharia Eletrônica
• Palavras-chave em Português: Electronic engineering; Computer learning; Algorithms; Respiratory failure; Forced oscillation technique; Engenharia eletrônica; Aprendizado do computador; Algorítmos; Insuficiência respiratória; Técnica de oscilações forçadas; ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
• Link de acesso: http://www.bdtd.uerj.br/handle/1/16478

Nesta dissertação são desenvolvidos diversos classificadores baseados em aprendizado de máquina para auxiliar no diagnóstico de alterações respiratórias associadas à sarcoidose, a partir de resultados provenientes da Técnica de Oscilações Forçadas (do inglês Forced Oscillation Technique, ou FOT), que é um método não invasivo utilizado para avaliação da mecânica pulmonar. Além de resultados acurados, há especial interesse na interpretabilidade dos mesmos, portanto são utilizadas diversas formas de Programação Genética, devido à classificação ser feita por meio de expressões inteligíveis. É usada a sua forma tradicional em árvores, à orientada, à gramática e, também, a linear com inspiração quântica (PGLIQ). A fim de verificar se os resultados interpretáveis são competitivos, os mesmos são comparados ao desempenho com K-Vizinhos mais Próximos, Support Vector Machine, AdaBoost, Random Forest, LightGBM, XGBoost e Regressor Logístico. Para trazer ainda mais interpretabilidade, os experimentos também são realizados com atributos “fuzzificados”. Ainda é experimentado um método de seleção de atributos e outro de aumento sintético do conjunto de dados. Quanto à PGLIQ, além de utilizá-la diretamente para a classificação, também é experimentado usá-la para construir atributos a serem utilizados por outros métodos. Os dados utilizados para alimentar os classificadores são provenientes da execução da FOT em 72 indivíduos, sendo 25 saudáveis e 47 diagnosticados com sarcoidose. Nesses últimos, foi verificado pela espirometria que 24 apresentaram condições normais e 23 mostraram alterações respiratórias. Os resultados obtidos apresentam alta acurácia (AUC ≥ 0.90) nas três análises realizadas (controle × indivíduos com sarcoidose, controle × indivíduos com sarcoidose e espirometria alterada e controle × indivíduos com sarcoidose e espirometria normal).