Eventos

Defesa de Dissertação de Mestrado - Nº 1.885: A Inteligência Artificial na Identificação de Espécies de Candida

Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 1.885

Aluno: Renan Williams Marques Ferreira
Orientador: Prof. Leandro Maciel Almeida
Título: A Inteligência Artificial na Identificação de Espécies de Candida.
Data: 30/01/2020
Hora/Local: 14h – Centro de Informática - Anfiteatro
Banca Examinadora:
Prof. Paulo Salgado Gomes de Mattos Neto (UFPE / Centro de Informática)
Prof. Reginaldo Gonçalves de Lima Neto (UFPE / Centro de Ciências da Saúde)
Prof. Leandro Maciel Almeida (UFPE / Centro de Informática)

RESUMO:

A candidemia é uma infecção caracterizada pela presença do fungo candida na 
corrente sanguínea. E, por apresentar uma taxa de mortalidade 
consideravelmente alta, é de suma importância o crescimento de pesquisas 
nessa área. Uma das maiores dificuldade 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.
Existem vários métodos de identificação dos tipos de candida que foram 
responsáveis pela infecção. Neste trabalho utilizamos a tecnologia dos 
narizes eletrônicos, que é um dispositivo que imita o olfato humano, para 
avaliarmos seu desempenho na identificação das espécies de candidas. Esse 
dispositivo é composto por duas partes: Uma parte que contém sensores 
responsáveis por captar os compostos orgânicos voláteis presentes nas 
amostras de ar; E uma segunda parte que é composta por algoritmos de 
inteligência artificial que são responsáveis pela análise dos sinais 
extraídos pelo sensor e, consequentemente, a identificação da amostra de ar 
obtida.
Três bases de dados contendo amostras de candidas dos tipos Albicans, 
Parapsilosis e Krusei foram utilizadas. A primeira base contém amostras 
consideradas padrões, a segunda base contém amostras de pacientes e, por 
último, a terceira base foi a junção dessas duas bases. O intuito da 
criação dessas três bases foi verificar o comportamento dos algoritmos 
utilizados em amostras diferentes, e com isso entender melhor o desempenho 
dos mesmos. Um total de oito algoritmos foram avaliados, são eles: Decision 
Tree, Logistic Regression, MultiLayer Perceptron, Support Vector Machine, 
Random Forest, Bagging com MLP, XGBoost e CatBoost. Uma validação cruzada 
utilizando 10-fold na base de treino (80%) foi utilizada para obtenção do 
desempenho dos algoritmos. Foram utilizados alguns testes estatísticos para 
verificação da existência de uma diferença significativa entre o desempenho 
médio dos algoritmos nas três bases utilizadas. O desempenho dos algoritmos 
também foram analisados na base de teste.

Palavras-chave:  Identificação de Espécies de Candida, Narizes Eletrônicos, 
Aprendizagem de Máquina.