Diagnóstico do câncer oral através da classificação de alto nível

• Ricardo B. Lima Filho UFU
• Murillo G. Carneiro UFU

DOI: https://doi.org/10.5753/sbcas_estendido.2023.229937

Resumo

Este trabalho investiga técnicas de classificação de alto nível baseadas em propriedades e medidas de redes complexas para a detecção salivar de câncer de boca a partir da Reflectância Total Atenuada por Espectroscopia de Infravermelho por Transformada de Fourier (ATR-FTIR). ATR-FTIR é uma plataforma sustentável, rápida e não invasiva capaz de contribuir para a detecção de diversas doenças. Dentre as diversas medidas de rede avaliadas neste estudo, nossos resultados indicam o coeficiente de agrupamento como o mais satisfatório com 71% e 81% de acurácia e sensibilidade respectivamente. Além disso, a técnica de alto nível superou vários outros classificadores usados para análise espectral, incluindo os de última geração, como máquina de vetores de suporte e redes neurais convolucionais.

Referências

Baek, S.-J., Park, A., Ahn, Y.-J., and Choo, J. (2015). Baseline correction using asymmetrically reweighted penalized least squares smoothing. Analyst, 140(1):250–257.

Barauna, V. G., Singh, M. N., Barbosa, L. L., Marcarini, W. D., Vassallo, P. F., Mill, J. G., Ribeiro-Rodrigues, R., Campos, L. C., Warnke, P. H., and Martin, F. L. (2021). Ultrarapid on-site detection of sars-cov-2 infection using simple atr-ftir spectroscopy and an analysis algorithm: high sensitivity and specificity. Analytical Chemistry, 93(5):2950–2958.

Boelens, H. F., Dijkstra, R. J., Eilers, P. H., Fitzpatrick, F., and Westerhuis, J. A. (2004). New background correction method for liquid chromatography with diode array detection, infrared spectroscopic detection and raman spectroscopic detection. Journal of chromatography A, 1057(1-2):21–30.

Caixeta, D. C., Carneiro, M. G., Rodrigues, R., Alves, D. C. T., Goulart, L. R., Cunha, T. M., Espindola, F. S., Vitorino, R., and Sabino-Silva, R. (2023). Salivary atr-ftir spectroscopy coupled with support vector machine classification for screening of type 2 diabetes mellitus. Diagnostics, 13(8):1396.

Carneiro, M. G. (2017). Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural. PhD thesis, Universidade de São Paulo.

Carneiro, M. G., Gama, B. C., and Ribeiro, O. S. (2021). Complex network measures for data classification. In 2021 International Joint Conference on Neural Networks (IJCNN), pages 1–8. IEEE.

Carneiro, M. G. and Zhao, L. (2018). Organizational data classification based on the importance concept of complex networks. IEEE Transactions on Neural Networks and Learning Systems, 29(8):3361–3373.

Fernandes, J. M., Oliveira, G. M. B., and Carneiro, M. G. (2023). Network optimization based on genetic algorithm for high-level data classification. IEEE Latin America Transactions, 21(2):295–301.

Ferreira, I. C., Aguiar, E. M., Silva, A. T., Santos, L. L., Cardoso-Sousa, L., Araujo, T. G., Santos, D. W., Goulart, L. R., Sabino-Silva, R., and Maia, Y. C. (2020). Attenuated total reflection-fourier transform infrared (atr-ftir) spectroscopy analysis of saliva for breast cancer diagnosis. Journal of oncology, 2020.

Freitas, R. M., Rodrigues, A. M. X., Matos Júnior, A., and Oliveira, G. (2016). Fatores de risco e principais alterações citopatológicas do câncer bucal: uma revisão de literatura. Rbac, 48(1):13–8.