Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16067
Victor Henrique Alves Ribeiro, Gabriela Steinhaus, E. Severo, José Raniery Ferreira Junior, Luiz José Lucas Barbosa, M. Cossetin, M. Vinicius, Mazega Figueredo
The world currently suffers from the global COVID-19 pandemic. Billions of people have been impacted, and millions of casualties have already occurred. Therefore, it is of extreme importance to identify individuals contaminated by SARS-CoV-2, allowing governments to plan actions to reduce further impacts. In this context, this work employed machine learning to improve the detection of SARS-CoV-2 antibodies in blood exams. Models have been developed in a real-world scenario with 500 thousand exams and were deployed in a remote laboratory for experiments. Results indicate that the models averaged sensitivity and specificity of 95%, and thus, they could aid COVID-19 antibody detection and the decision-making process of biomedical specialists.
{"title":"A System for Enhancing Human-level Performance in COVID-19 Antibody Detection","authors":"Victor Henrique Alves Ribeiro, Gabriela Steinhaus, E. Severo, José Raniery Ferreira Junior, Luiz José Lucas Barbosa, M. Cossetin, M. Vinicius, Mazega Figueredo","doi":"10.5753/sbcas.2021.16067","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16067","url":null,"abstract":"The world currently suffers from the global COVID-19 pandemic. Billions of people have been impacted, and millions of casualties have already occurred. Therefore, it is of extreme importance to identify individuals contaminated by SARS-CoV-2, allowing governments to plan actions to reduce further impacts. In this context, this work employed machine learning to improve the detection of SARS-CoV-2 antibodies in blood exams. Models have been developed in a real-world scenario with 500 thousand exams and were deployed in a remote laboratory for experiments. Results indicate that the models averaged sensitivity and specificity of 95%, and thus, they could aid COVID-19 antibody detection and the decision-making process of biomedical specialists.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130836615","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16072
Maria Denise Simões, A. M. D. Q. Neves
Em 11 de março de 2020, a Organização Mundial da Saúde (OMS) declarou o estado de pandemia de Covid-19. No Brasil, os sistemas oficiais responsáveis pela visibilidade dos dados da pandemia não são integrados, o que dificulta o cruzamento de dados e prejudica a investigação do cenário da Covid-19 em cada região. O processo de mineração de texto em mídias sociais está sendo utilizado para deteção e monitoramento de doenças. Nesse contexto, o objetivo deste artigo é realizar uma mineração de texto na rede social Twitter, a fim de analisar a tendência epidemiológica de uma série temporal dos dados sobre Covid-19 no Brasil, testando a hipótese de que o monitoramento das mídias sociais pode auxiliar na detecção de epidemias. Os resultados quantitativos confirmam a hipótese levantada quando comparados aos dados dos agentes oficiais notificadores.
{"title":"Mineração de Texto no Twitter: uma ferramenta auxiliar na detecção de epidemias","authors":"Maria Denise Simões, A. M. D. Q. Neves","doi":"10.5753/sbcas.2021.16072","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16072","url":null,"abstract":"Em 11 de março de 2020, a Organização Mundial da Saúde (OMS) declarou o estado de pandemia de Covid-19. No Brasil, os sistemas oficiais responsáveis pela visibilidade dos dados da pandemia não são integrados, o que dificulta o cruzamento de dados e prejudica a investigação do cenário da Covid-19 em cada região. O processo de mineração de texto em mídias sociais está sendo utilizado para deteção e monitoramento de doenças. Nesse contexto, o objetivo deste artigo é realizar uma mineração de texto na rede social Twitter, a fim de analisar a tendência epidemiológica de uma série temporal dos dados sobre Covid-19 no Brasil, testando a hipótese de que o monitoramento das mídias sociais pode auxiliar na detecção de epidemias. Os resultados quantitativos confirmam a hipótese levantada quando comparados aos dados dos agentes oficiais notificadores.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"27 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123808843","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16080
Naira Kaieski, P. Lora, C. J. D. Costa
A sepse é uma síndrome que acomete milhões de pessoas a cada ano causando aproximadamente 20% das mortes no mundo. O reconhecimento precoce dos sintomas de sepse possibilita o início do tratamento adequado a tempo de proporcionar melhores desfechos para os pacientes. Dessa forma, é relevante desenvolver ferramentas que possibilitem a identificação da sepse já no ambiente pré-hospitalar como o escore heurístico qSofa. Este artigo apresenta os resultados de testes realizados com modelos de machine learning treinados com dados do primeiro atendimento prestado pelo SAMU. Mesmo com um conjunto de dados restrito, os modelos desenvolvidos apresentaram melhorias na ordem de 7,7% na acurácia e 17,7% na AUC em relação aos resultados do qSofa.
{"title":"Predição de Sepse a partir de Dados do Atendimento Pré-Hospitalar","authors":"Naira Kaieski, P. Lora, C. J. D. Costa","doi":"10.5753/sbcas.2021.16080","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16080","url":null,"abstract":"A sepse é uma síndrome que acomete milhões de pessoas a cada ano causando aproximadamente 20% das mortes no mundo. O reconhecimento precoce dos sintomas de sepse possibilita o início do tratamento adequado a tempo de proporcionar melhores desfechos para os pacientes. Dessa forma, é relevante desenvolver ferramentas que possibilitem a identificação da sepse já no ambiente pré-hospitalar como o escore heurístico qSofa. Este artigo apresenta os resultados de testes realizados com modelos de machine learning treinados com dados do primeiro atendimento prestado pelo SAMU. Mesmo com um conjunto de dados restrito, os modelos desenvolvidos apresentaram melhorias na ordem de 7,7% na acurácia e 17,7% na AUC em relação aos resultados do qSofa.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"51 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123515486","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16053
S. P. Cerqueira, Ellen C. Aguiar, A. A. Duarte, W. L. C. D. Santos, L. R. Oliveira, M. F. Angelo
Nos últimos anos, o Projeto PathoSpotter desenvolveu e aperfeiçoou classificadores para auxílio ao diagnóstico de lesões em imagens digitais de biópsias renais. Entre as metas do Projeto está a disponibilização destes classificadores para que patologistas possam utiliza-los de forma a facilitarem sua prática médica e também contribuírem para o aprimoramento do sistema. Esse trabalho apresenta a arquitetura do PathoSpotter Classifier, o serviço Web criado pelo Projeto PathoSpotter, e como foram vencidos os desafios enfrentados para a distribuição do sistema para uso por patologistas.
{"title":"PathoSpotter Classifier: Uma Serviço Web para Auxílio à Classificação de Lesões em Glomérulos Renais","authors":"S. P. Cerqueira, Ellen C. Aguiar, A. A. Duarte, W. L. C. D. Santos, L. R. Oliveira, M. F. Angelo","doi":"10.5753/sbcas.2021.16053","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16053","url":null,"abstract":"Nos últimos anos, o Projeto PathoSpotter desenvolveu e aperfeiçoou classificadores para auxílio ao diagnóstico de lesões em imagens digitais de biópsias renais. Entre as metas do Projeto está a disponibilização destes classificadores para que patologistas possam utiliza-los de forma a facilitarem sua prática médica e também contribuírem para o aprimoramento do sistema. Esse trabalho apresenta a arquitetura do PathoSpotter Classifier, o serviço Web criado pelo Projeto PathoSpotter, e como foram vencidos os desafios enfrentados para a distribuição do sistema para uso por patologistas.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"400 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124549146","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16056
Domingos A. Dias Júnior, L. Cruz, J. O. B. Diniz, Geraldo Braz Júnior, A. C. Silva
O diagnóstico de doenças sanguíneas envolve a identificação e caracterização de amostras de sangue de pacientes pela contagem e classificação de glóbulos brancos. Métodos automatizados têm importantes aplicações para auxiliar médicos. O objetivo deste trabalho é desenvolver um método para classificação automática de glóbulos brancos utilizando técnicas de realce, Threshold Adjacency Statistics (TAS) para extração de características e eXtreme Gradient Boosting (XGBoost) para classificação. Os resultados são promissores comparados a outras técnicas e trabalhos da literatura, alcançado 93,27% de acurácia e 90% de F-Measure. Com isto, acredita-se que o método possa auxiliar especialista nesta tarefa importante.
{"title":"Classificação automática de glóbulos brancos usando descritores de forma e textura e eXtreme Gradient Boosting","authors":"Domingos A. Dias Júnior, L. Cruz, J. O. B. Diniz, Geraldo Braz Júnior, A. C. Silva","doi":"10.5753/sbcas.2021.16056","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16056","url":null,"abstract":"O diagnóstico de doenças sanguíneas envolve a identificação e caracterização de amostras de sangue de pacientes pela contagem e classificação de glóbulos brancos. Métodos automatizados têm importantes aplicações para auxiliar médicos. O objetivo deste trabalho é desenvolver um método para classificação automática de glóbulos brancos utilizando técnicas de realce, Threshold Adjacency Statistics (TAS) para extração de características e eXtreme Gradient Boosting (XGBoost) para classificação. Os resultados são promissores comparados a outras técnicas e trabalhos da literatura, alcançado 93,27% de acurácia e 90% de F-Measure. Com isto, acredita-se que o método possa auxiliar especialista nesta tarefa importante.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"3 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"121105905","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16082
J. R. H. Moreira, H. S. Bernardino, H. J. C. Barbosa, A. Vieira
A diabetes mellitus pré-existente ou desenvolvida na gestação pode trazer sérios riscos de saúde à gestante e ao bebê, durante todo o ciclo gravídico-puerperal. Nesse sentido, predizer a presença de um dos tipos de diabetes, mesmo antes de seus primeiros sintomas, pode gerar impactos positivos nos sistemas de saúde pública. Este trabalho buscou gerar um modelo de classificação, utilizando dados da produção ambulatorial do Sistema Único de Saúde, que possa predizer a presença de um dos tipos de diabetes (tipo 1), conforme as características e o histórico de acompanhamento da paciente gestante. O classificador proposto é capaz de separar as gestantes no sistema de saúde conforme a predisposição à doença, possibilitando gerar um alerta ao sistema, e com isso, direcionar a atenção ao acompanhamento da gestante no âmbito dessa condição de saúde. Os resultados obtidos foram relevantes, apresentando sensibilidade e precisão superiores a 90%. Assim, acredita-se que o modelo proposto pode ser mais um recurso para aprimoramento do sistema.
{"title":"Modelos de Aprendizado de Máquina na Predição de Diabetes Tipo 1 na Gestação usando Dados do Sistema Único de Saúde","authors":"J. R. H. Moreira, H. S. Bernardino, H. J. C. Barbosa, A. Vieira","doi":"10.5753/sbcas.2021.16082","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16082","url":null,"abstract":"A diabetes mellitus pré-existente ou desenvolvida na gestação pode trazer sérios riscos de saúde à gestante e ao bebê, durante todo o ciclo gravídico-puerperal. Nesse sentido, predizer a presença de um dos tipos de diabetes, mesmo antes de seus primeiros sintomas, pode gerar impactos positivos nos sistemas de saúde pública. Este trabalho buscou gerar um modelo de classificação, utilizando dados da produção ambulatorial do Sistema Único de Saúde, que possa predizer a presença de um dos tipos de diabetes (tipo 1), conforme as características e o histórico de acompanhamento da paciente gestante. O classificador proposto é capaz de separar as gestantes no sistema de saúde conforme a predisposição à doença, possibilitando gerar um alerta ao sistema, e com isso, direcionar a atenção ao acompanhamento da gestante no âmbito dessa condição de saúde. Os resultados obtidos foram relevantes, apresentando sensibilidade e precisão superiores a 90%. Assim, acredita-se que o modelo proposto pode ser mais um recurso para aprimoramento do sistema.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"13 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130239508","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16059
Sá Tvq, Aguiar Ralp, Reis Zsn
Obstetric caring demands a continuous process of information sharing between health professionals. However, the lack of communication between points of assistance has allowed for an accumulation of local data without the benefits of data interoperability. The study’s objective is to develop an information model with essential obstetric data to foster the continuity of information. An exploratory research involved discussions of fictitious cases of obstetric emergencies and ninety electronic medical records (EMR) were used to validate the model. The minimum antenatal dataset entries was structured into nine sections, and fifty-six data entries. The development of an information model, based on the standard of interoperability, has the potential to overcome the informality of EMR.
{"title":"Much native data, little longitudinal information: a model of information for the continuity of care, from prenatal assistance to the emergency in maternities","authors":"Sá Tvq, Aguiar Ralp, Reis Zsn","doi":"10.5753/sbcas.2021.16059","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16059","url":null,"abstract":"Obstetric caring demands a continuous process of information sharing between health professionals. However, the lack of communication between points of assistance has allowed for an accumulation of local data without the benefits of data interoperability. The study’s objective is to develop an information model with essential obstetric data to foster the continuity of information. An exploratory research involved discussions of fictitious cases of obstetric emergencies and ninety electronic medical records (EMR) were used to validate the model. The minimum antenatal dataset entries was structured into nine sections, and fifty-six data entries. The development of an information model, based on the standard of interoperability, has the potential to overcome the informality of EMR.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"2 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134261411","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16089
João Victor Kenji Tamaki, Johanna Elisabeth Rogalsky, S. O. Ioshii, L. Oliveira
Este artigo descreve um método a ser usado como auxílio para patologistas na detecção/diagnóstico precoce de câncer de mama em imagens imunohistoquímicas. Além disso, esses resultados podem ser utilizados para o prognóstico do tratamento. Foi desenvolvido um método de delimitação de células utilizando técnicas de processamento de imagens que servirá de base para o desenvolvimento futuro de uma técnica de contagem celular. A implementação do método mostrou que a etapa de segmentação/delimitação é eficiente para o andamento do trabalho, não possuindo resultados quantitativos.
{"title":"Método de delimitação celular em imagens ER/PR de câncer de mama","authors":"João Victor Kenji Tamaki, Johanna Elisabeth Rogalsky, S. O. Ioshii, L. Oliveira","doi":"10.5753/sbcas.2021.16089","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16089","url":null,"abstract":"Este artigo descreve um método a ser usado como auxílio para patologistas na detecção/diagnóstico precoce de câncer de mama em imagens imunohistoquímicas. Além disso, esses resultados podem ser utilizados para o prognóstico do tratamento. Foi desenvolvido um método de delimitação de células utilizando técnicas de processamento de imagens que servirá de base para o desenvolvimento futuro de uma técnica de contagem celular. A implementação do método mostrou que a etapa de segmentação/delimitação é eficiente para o andamento do trabalho, não possuindo resultados quantitativos.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"134564144","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16061
V. F. Rodrigues, L. M. Policarpo, R. Righi, C. Costa
Com a utilização de sensores inteligentes em hospitais, tomadas de decisões críticas podem ser realizadas baseadas no monitoramento em tempo real de pacientes e equipamentos. Porém, erros na geração e transmissão de dados podem causar falhas no resultado de aplicações que processam esses dados. Neste contexto, esse artigo propõem HealthStack, um middleware para salas cirúrgicas com estratégias de qualidade do serviço (QoS) e suporte a transmissão de dados em tempo real. O artigo propõe uma estratégia de QoS baseada em neurônios artificiais para seleção dos componentes do middleware com baixa performance. Foi desenvolvido e testado um protótipo do modelo em uma sala de cirurgia real possibilitando redução de jitter médio em até 90,3%.
{"title":"Unindo Aplicações Críticas e Sensores IoT com QoS Individual e Adaptativo em Hospitais Inteligentes","authors":"V. F. Rodrigues, L. M. Policarpo, R. Righi, C. Costa","doi":"10.5753/sbcas.2021.16061","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16061","url":null,"abstract":"Com a utilização de sensores inteligentes em hospitais, tomadas de decisões críticas podem ser realizadas baseadas no monitoramento em tempo real de pacientes e equipamentos. Porém, erros na geração e transmissão de dados podem causar falhas no resultado de aplicações que processam esses dados. Neste contexto, esse artigo propõem HealthStack, um middleware para salas cirúrgicas com estratégias de qualidade do serviço (QoS) e suporte a transmissão de dados em tempo real. O artigo propõe uma estratégia de QoS baseada em neurônios artificiais para seleção dos componentes do middleware com baixa performance. Foi desenvolvido e testado um protótipo do modelo em uma sala de cirurgia real possibilitando redução de jitter médio em até 90,3%.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132691577","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16063
J. G. Pereira, M. Baffa, F. Simozo, L. O. Murta Junior, J. C. Felipe
Refractory epilepsy is a condition characterized by epileptic seizure occurrence which cannot be controlled with antiepileptic drugs. This condition is associated with an excessive neuronal discharge produced by a group of neurons in a certain epileptogenic zone. Focal Cortical Dysplasia (FCD), usually found in these zones, was detected as one of the main causes of refractory epilepsy. In these cases, surgical intervention is necessary to minimize or eliminate the seizure occurrences. However, surgical treatment is only indicated in cases where there is complete certainty of the FCD. In order to assist neurosurgeons to detect precisely these regions, this paper aims to develop a classification method to detect FCD on MRI based on morphological and textural features from a voxel-level perspective. Multiple classifiers were tested throughout the extracted features, the best results achieved an accuracy of 91.76% using a Deep Neural Network classifier and 96.15% with J48 Decision Tree. The set of evaluating metrics showed that the results are promising.
{"title":"On The Use of Machine Learning Algorithms to Classify Focal Cortical Dysplasia on MRI","authors":"J. G. Pereira, M. Baffa, F. Simozo, L. O. Murta Junior, J. C. Felipe","doi":"10.5753/sbcas.2021.16063","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16063","url":null,"abstract":"Refractory epilepsy is a condition characterized by epileptic seizure occurrence which cannot be controlled with antiepileptic drugs. This condition is associated with an excessive neuronal discharge produced by a group of neurons in a certain epileptogenic zone. Focal Cortical Dysplasia (FCD), usually found in these zones, was detected as one of the main causes of refractory epilepsy. In these cases, surgical intervention is necessary to minimize or eliminate the seizure occurrences. However, surgical treatment is only indicated in cases where there is complete certainty of the FCD. In order to assist neurosurgeons to detect precisely these regions, this paper aims to develop a classification method to detect FCD on MRI based on morphological and textural features from a voxel-level perspective. Multiple classifiers were tested throughout the extracted features, the best results achieved an accuracy of 91.76% using a Deep Neural Network classifier and 96.15% with J48 Decision Tree. The set of evaluating metrics showed that the results are promising.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124392337","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：