Neste trabalho é apresentado um sistema de reconhecimento de padrõesproteômicos com o objetivo de auxiliar o diagnóstico precoce da Granulomatose deWegener (GW), uma vasculite idiopática rara de difícil detecção e alta taxa de mortalidade para indivíduos não tratados. O método consiste em extrair característicasde sinais proteômicos e classificá-las como sendo de indivíduos portadores ou nãoportadores de GW. Para tanto, utiliza-se Análise de Componentes Independentes paraextrair características dos sinais, Algoritmo de Máxima Relevância e Mínima Redun-dância para reduzir o número de características e custos computacionais e Máquina deVetores de Suporte para classificar. A qualidade do método foi avaliada utilizando umabase de dados com 335 sinais proteômicos, composta por 75 casos ativos, 101 casosnegativos e 159 em remissão. O melhor resultado obtido foi para um vetor de vintecaracterísticas cuja acurácia, especificidade e sensibilidade foram, respectivamente,de: 98, 24%, 99, 73% e 99, 50%.

Resumo-Resumo: Em virtude da importância da detecção precoce da Cardiotoxidade, vários esquemas de diagnóstico auxiliados por computador estão sendo propostos com o objetivo de ajudar na identificação desta enfermidade. Isso porque o sucesso do tratamento no combate desta disfunção cardíaca depende de um diagnóstico rápido, pois quanto mais cedo iniciarse o tratamento, maiores serão as chances de cura. Propomos um método de Diagnóstico Auxiliado por Computador (CAD) para diagnosticar pacientes com Cardiotoxidade, utilizando Análise de Componentes Independentes para extrair características de um sinal proteômico, depois fazendo uso da técnica de Máxima Relevância e Mínima Redundância para reduzir a dimensionalidade e com isso o custo computacional, e por fim a aplicação da Máquina de Vetores de Suporte para classificar as amostras entre presença ou ausência de Cardiotoxidade. O método foi testado com a base de dados de padrões proteômicos SELDI-TOF, cujo melhor desempenho obtido foi com um vetor de 20 características, resultando em uma acurácia de 88,718%, com 85% de especificidade e 97,26% de sensibilidade

No abstract

No abstract

No abstract