???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/490
Tipo do documento: Dissertação
Título: Classificação de câncer de ovário através de padrão proteômico e análise de componentes independentes
Título(s) alternativo(s): Classification of ovarian cancer through standard proteomic and analysis of independents components
Autor: Neves, Simone Cristina Ferreira 
Primeiro orientador: BARROS FILHO, Allan Kardec Duailibe
Resumo: 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.
Abstract: 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.
Palavras-chave: 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
Área(s) do CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: BR
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: Engenharia
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Citação: 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.
Tipo de acesso: Acesso Aberto
URI: http://tedebc.ufma.br:8080/jspui/handle/tede/490
Data de defesa: 24-Jul-2012
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File SizeFormat 
dissertacao Simone Cristina.pdf893,79 kBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.