{"title":"计算智能在乳腺癌检测中的应用","authors":"Leomar Santos Marques, R. Magalhães, D. Ferreira","doi":"10.5335/RBCA.V11I1.8727","DOIUrl":null,"url":null,"abstract":"O câncer de mama apresenta elevado índice de mortalidade em todo o mundo, sendo o mais incidente em mulheres. Seu diagnóstico tendo sido realizado por meio de rastreamento, ecografias mamárias e mamografias. Este trabalho tem como objetivo desenvolver um classificador para identificar o câncer de mama utilizando dados antropométricos e parâmetros de exame sanguíneo de rotina que são os biomarcadores. Redes-Neurais do tipo Perceptron Multi-Camadas(MLP) e as redes Neuro-Fuzzy (ANFIS) empregados a um comitê de decisão, trazendo como resultado uma classificação do câncer de mama, com acurácia de 97\\% , um valor superior apresentado comparado aos trabalhos dos últimos anos que utilizaram biomarcadores semelhantes no período de 2013 ao início do ano de 2018.","PeriodicalId":41711,"journal":{"name":"Revista Brasileira de Computacao Aplicada","volume":null,"pages":null},"PeriodicalIF":0.2000,"publicationDate":"2019-04-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.5335/RBCA.V11I1.8727","citationCount":"3","resultStr":"{\"title\":\"Inteligência computacional aplicada à detecção de câncer de mama\",\"authors\":\"Leomar Santos Marques, R. Magalhães, D. Ferreira\",\"doi\":\"10.5335/RBCA.V11I1.8727\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"O câncer de mama apresenta elevado índice de mortalidade em todo o mundo, sendo o mais incidente em mulheres. Seu diagnóstico tendo sido realizado por meio de rastreamento, ecografias mamárias e mamografias. Este trabalho tem como objetivo desenvolver um classificador para identificar o câncer de mama utilizando dados antropométricos e parâmetros de exame sanguíneo de rotina que são os biomarcadores. Redes-Neurais do tipo Perceptron Multi-Camadas(MLP) e as redes Neuro-Fuzzy (ANFIS) empregados a um comitê de decisão, trazendo como resultado uma classificação do câncer de mama, com acurácia de 97\\\\% , um valor superior apresentado comparado aos trabalhos dos últimos anos que utilizaram biomarcadores semelhantes no período de 2013 ao início do ano de 2018.\",\"PeriodicalId\":41711,\"journal\":{\"name\":\"Revista Brasileira de Computacao Aplicada\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2019-04-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://sci-hub-pdf.com/10.5335/RBCA.V11I1.8727\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Brasileira de Computacao Aplicada\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5335/RBCA.V11I1.8727\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Computacao Aplicada","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5335/RBCA.V11I1.8727","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS","Score":null,"Total":0}
Inteligência computacional aplicada à detecção de câncer de mama
O câncer de mama apresenta elevado índice de mortalidade em todo o mundo, sendo o mais incidente em mulheres. Seu diagnóstico tendo sido realizado por meio de rastreamento, ecografias mamárias e mamografias. Este trabalho tem como objetivo desenvolver um classificador para identificar o câncer de mama utilizando dados antropométricos e parâmetros de exame sanguíneo de rotina que são os biomarcadores. Redes-Neurais do tipo Perceptron Multi-Camadas(MLP) e as redes Neuro-Fuzzy (ANFIS) empregados a um comitê de decisão, trazendo como resultado uma classificação do câncer de mama, com acurácia de 97\% , um valor superior apresentado comparado aos trabalhos dos últimos anos que utilizaram biomarcadores semelhantes no período de 2013 ao início do ano de 2018.