Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes
| Ano de defesa: | 2012 |
|---|---|
| Autor(a) principal: |
Neves, Simone Cristina Ferreira
 |
| Orientador(a): |
BARROS FILHO, Allan Kardec Duailibe
|
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal do Maranhão
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
|
| Departamento: |
Engenharia
|
| País: |
BR
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://tedebc.ufma.br:8080/jspui/handle/tede/490 |
Resumo: | The ovarian cancer is difficult to diagnose in the early stages of development. In this work we bring a study of a new method that gave us great accuracy rates based on a bioinformatics tool called surface enhanced for laser desorption and ionization (SELDI-TOF) used to generate proteomic patterns which is one of the technologies advanced in the diagnosis. Our goal is to contribute to effectiveness of this tool, which already helps diagnosis earlier, our methodology uses independent component analysis (ICA) for feature extraction and neural networks to classify between malignancy and no malignancy in a database of the research center cancer in the U.S.A. Our work rates obtained acurracy 97%, 98% specificity and 96% sensitivity. |
| id |
UFMA_57cdfa442053747bf122f97ecff5ca0d |
|---|---|
| oai_identifier_str |
oai:tede2:tede/490 |
| network_acronym_str |
UFMA |
| network_name_str |
Biblioteca Digital de Teses e Dissertações da UFMA |
| repository_id_str |
|
| spelling |
BARROS FILHO, Allan Kardec DuailibeCPF:34022589353http://lattes.cnpq.br/0492330410079141CPF:66768659391http://lattes.cnpq.br/6993908770630331Neves, Simone Cristina Ferreira2016-08-17T14:53:21Z2012-09-032012-07-24NEVES, Simone Cristina Ferreira. Classification of ovarian cancer through standard proteomic and analysis of independents components. 2012. 58 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012.http://tedebc.ufma.br:8080/jspui/handle/tede/490The ovarian cancer is difficult to diagnose in the early stages of development. In this work we bring a study of a new method that gave us great accuracy rates based on a bioinformatics tool called surface enhanced for laser desorption and ionization (SELDI-TOF) used to generate proteomic patterns which is one of the technologies advanced in the diagnosis. Our goal is to contribute to effectiveness of this tool, which already helps diagnosis earlier, our methodology uses independent component analysis (ICA) for feature extraction and neural networks to classify between malignancy and no malignancy in a database of the research center cancer in the U.S.A. Our work rates obtained acurracy 97%, 98% specificity and 96% sensitivity.O câncer de ovário possui difícil diagnóstico nas primeiras fases de desenvolvimento. Neste trabalho trazemos um estudo de um novo método que nos deu ótimas taxas de precisão baseado em uma ferramenta da bio-informática chamada superfície mehorada a laser para ionização e dessorção (SELDI-TOF) usada para geração de padrões proteômicos que é uma das tecnologias mais avançada no auxílio ao diagnóstico. Nosso objetivo é contribuir para eficácia desta esta ferramenta, que já auxilia o dignóstico precoce, nossa metodologia usa análise de componentes independentes (ICA) para extração de caractéristicas e redes neurais para classificar entre malignidade e não malignidade em uma base de dados do centro de pesquisa do câncer nos EUA. Nosso trabalho obteve taxas de 97% de acurária, 98% de especifidade e 96 % de sensibilidade.Made available in DSpace on 2016-08-17T14:53:21Z (GMT). No. of bitstreams: 1 dissertacao Simone Cristina.pdf: 915238 bytes, checksum: 6eb097a7ebfb66da176cd431d9883ba3 (MD5) Previous issue date: 2012-07-24application/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABREngenhariaCâncer de ováriospadrões proteômicosanálise de componentes principaisanálise de componentes independentesredes neurais artificiaisOvarian cancerProteomic patternsPrincipal component analysisIndependent component analysisArtificial neural networksCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOClassificação de câncer de ovário através de padrão proteômico e análise de componentes independentesClassification of ovarian cancer through standard proteomic and analysis of independents componentsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALdissertacao Simone Cristina.pdfapplication/pdf915238http://tedebc.ufma.br:8080/bitstream/tede/490/1/dissertacao+Simone+Cristina.pdf6eb097a7ebfb66da176cd431d9883ba3MD51tede/4902017-12-07 16:07:48.786oai:tede2:tede/490Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312017-12-07T19:07:48Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false |
| dc.title.por.fl_str_mv |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| dc.title.alternative.eng.fl_str_mv |
Classification of ovarian cancer through standard proteomic and analysis of independents components |
| title |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| spellingShingle |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes Neves, Simone Cristina Ferreira Câncer de ovários padrões proteômicos análise de componentes principais análise de componentes independentes redes neurais artificiais Ovarian cancer Proteomic patterns Principal component analysis Independent component analysis Artificial neural networks CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| title_short |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| title_full |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| title_fullStr |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| title_full_unstemmed |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| title_sort |
Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes |
| author |
Neves, Simone Cristina Ferreira |
| author_facet |
Neves, Simone Cristina Ferreira |
| author_role |
author |
| dc.contributor.advisor1.fl_str_mv |
BARROS FILHO, Allan Kardec Duailibe |
| dc.contributor.advisor1ID.fl_str_mv |
CPF:34022589353 |
| dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0492330410079141 |
| dc.contributor.authorID.fl_str_mv |
CPF:66768659391 |
| dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6993908770630331 |
| dc.contributor.author.fl_str_mv |
Neves, Simone Cristina Ferreira |
| contributor_str_mv |
BARROS FILHO, Allan Kardec Duailibe |
| dc.subject.por.fl_str_mv |
Câncer de ovários padrões proteômicos análise de componentes principais análise de componentes independentes redes neurais artificiais |
| topic |
Câncer de ovários padrões proteômicos análise de componentes principais análise de componentes independentes redes neurais artificiais Ovarian cancer Proteomic patterns Principal component analysis Independent component analysis Artificial neural networks CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| dc.subject.eng.fl_str_mv |
Ovarian cancer Proteomic patterns Principal component analysis Independent component analysis Artificial neural networks |
| dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| description |
The ovarian cancer is difficult to diagnose in the early stages of development. In this work we bring a study of a new method that gave us great accuracy rates based on a bioinformatics tool called surface enhanced for laser desorption and ionization (SELDI-TOF) used to generate proteomic patterns which is one of the technologies advanced in the diagnosis. Our goal is to contribute to effectiveness of this tool, which already helps diagnosis earlier, our methodology uses independent component analysis (ICA) for feature extraction and neural networks to classify between malignancy and no malignancy in a database of the research center cancer in the U.S.A. Our work rates obtained acurracy 97%, 98% specificity and 96% sensitivity. |
| publishDate |
2012 |
| dc.date.available.fl_str_mv |
2012-09-03 |
| dc.date.issued.fl_str_mv |
2012-07-24 |
| dc.date.accessioned.fl_str_mv |
2016-08-17T14:53:21Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.citation.fl_str_mv |
NEVES, Simone Cristina Ferreira. Classification of ovarian cancer through standard proteomic and analysis of independents components. 2012. 58 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012. |
| dc.identifier.uri.fl_str_mv |
http://tedebc.ufma.br:8080/jspui/handle/tede/490 |
| identifier_str_mv |
NEVES, Simone Cristina Ferreira. Classification of ovarian cancer through standard proteomic and analysis of independents components. 2012. 58 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luís, 2012. |
| url |
http://tedebc.ufma.br:8080/jspui/handle/tede/490 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidade Federal do Maranhão |
| dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET |
| dc.publisher.initials.fl_str_mv |
UFMA |
| dc.publisher.country.fl_str_mv |
BR |
| dc.publisher.department.fl_str_mv |
Engenharia |
| publisher.none.fl_str_mv |
Universidade Federal do Maranhão |
| dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFMA instname:Universidade Federal do Maranhão (UFMA) instacron:UFMA |
| instname_str |
Universidade Federal do Maranhão (UFMA) |
| instacron_str |
UFMA |
| institution |
UFMA |
| reponame_str |
Biblioteca Digital de Teses e Dissertações da UFMA |
| collection |
Biblioteca Digital de Teses e Dissertações da UFMA |
| bitstream.url.fl_str_mv |
http://tedebc.ufma.br:8080/bitstream/tede/490/1/dissertacao+Simone+Cristina.pdf |
| bitstream.checksum.fl_str_mv |
6eb097a7ebfb66da176cd431d9883ba3 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA) |
| repository.mail.fl_str_mv |
repositorio@ufma.br||repositorio@ufma.br |
| _version_ |
1853507978503651328 |