Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/40294

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorALMEIDA, Leandro Maciel-
dc.contributor.authorFERREIRA, Renan Williams Marques-
dc.date.accessioned2021-06-09T19:58:31Z-
dc.date.available2021-06-09T19:58:31Z-
dc.date.issued2020-01-30-
dc.identifier.citationFERREIRA, Renan Williams Marques. A Inteligência Artificial na Identificação de Espécies de Candida. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2020.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/40294-
dc.description.abstractCandidemia é a infecção da corrente sanguínea causada por leveduras do gênero Candida. Uma das maiores dificuldades no tratamento dessa doença é a demora no seu diagnóstico e na identificação do fungo causador da infecção. Implicando também na demora do tratamento correto e, portanto, tornando tardio a cura do paciente. Neste trabalho utilizamos a tecnologia dos narizes eletrônicos, que é um dispositivo que mimetiza o olfato humano, para avaliarmos seu desempenho na identificação de leveduras clínicas do gênero Candida através da amostra de ar obtida. A partir de uma parceria com o Departamento de Micologia da Universidade Federal de Pernambuco, três bases de dados contendo amostras de Candida albicans, C. parapsilosis e C. krusei foram criadas. Um total de oito métodos de inteligência artifical foram avaliados. Nas três bases de teste utilizadas, foram obtidos os seguintes resultados em termos de acurácia: 96%, 88% e 90%. Considerando que este estudo tem por objetivo a desenvoltura de um possível novo método para a identificação de leveduras do gênero Candida, os resultados mostram que a utilização de um nariz eletrônico com alguns algoritmos de aprendizagem de máquina é promissora nesta área.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectInteligência computacionalpt_BR
dc.subjectDiagnóstico de Candidemiapt_BR
dc.subjectNarizes Eletrônicospt_BR
dc.subjectAprendizagem de Máquinapt_BR
dc.titleA Inteligência Artificial na Identificação de Espécies de Candidapt_BR
dc.typemasterThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3479842603126612pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/8513145553846486pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxCandidemia is a bloodstream infection caused by yeasts of the genus Candida. One of the biggest difficulties in the treatment of this disease is the delay in its diagnosis and in the identification of the fungus that causes the infection. It also implies the delay of the correct treatment and, therefore, delaying the cure of the patient. In this work we use the technology of electronic noses, which is a device that mimics the human sense of smell, to evaluate its performance in the identification of clinical yeasts of the genus Candida through the air sample obtained. From a partnership with the Mycology Department of the Federal University of Pernambuco, three databases containing samples of Candida albicans, C. parapsilosis and C. krusei were created. A total of eight artificial intelligence methods were evaluated. In the three test bases used, the following results were obtained in terms of accuracy: 96%, 88% and 90%. Considering that this study aims to develop a possible new method for the identification of yeasts of the genus Candida, the results show that the use of an electronic nose with some machine learning algorithms is promising in this area.pt_BR
Aparece en las colecciones: Dissertações de Mestrado - Ciência da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO Renan Williams Marques Ferreira.pdf1,84 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons