Extração de terminologia de diagnósticos em laudos de biópsia renal / Terminology extraction of diagnostics in renal biopsy reports / Extracción de terminología de diagnósticos en informes de biopsia renal

Objetivo: Investigar o uso de técnicas para extração de conhecimento de diagnósticos provenientes de laudos de biópsia renal. Métodos: Foram aplicadas técnicas de extração de conhecimento em um conjunto de laudos de biópsia renal do Serviço de Patologia do Hospital do Rim e Hipertensão, São Paulo. Resultados: Foram extraídos 694 diagnósticos completos diferentes do conjunto de 3.018 laudos. Foi obtida uma árvore de três níveis diagnósticos e uma nuvem de palavras com os termos extraídos dos diagnósticos. A extração de terminologia resultou em 206 termos candidatos únicos que ocorreram 20.599 vezes no corpus avaliado. Conclusão: O resultado da extração de terminologia apresentou-se como satisfatório para criar uma taxonomia sobre biópsia renal. A árvore com ligação entre diagnósticos pode auxiliar novos profissionais em treinamento na área de patologia para confecção dos laudos.

Objective: To present techniques for extracting knowledge of diagnosis from renal biopsy reports. Methods: Knowledge extraction techniques were applied in a set of reports of the Pathology service of the Kidney and Hypertension Hospital. Results: From 3,018 reports 694 different complete diagnoses were extracted. A tree with three diagnostic levels and a word cloud with terms extracted from diagnoses were obtained. The terminology extraction resulted in 206 unique candidate terms that occurred 20,599 times in the evaluated corpus. Conclusion: The results of terminology extraction is suitable to create a taxonomy about renal biopsy. Trees with link between diagnoses can help new professionals in the area of pathology for writing the reports.

Objetivo: Investigar el uso de técnicas de extracción de conocimiento a partir de los informes de diagnóstico de la biopsia renal. Métodos: técnicas de extracción de conocimientos se aplicaron a un conjunto de informes de biopsia renal del Servicio de Patología del Hospital do Rim e Hipertensão, Sao Paulo. Resultados: Se obtuvieron 694 diagnósticos completos diferentes de un conjunto de 3.018 informes. Se obtuvo un árbol de tres niveles de diagnóstico y una nube de palabras con los términos extraídos de diagnóstico. La extracción de terminología resultó en 206 términos candidatos únicos que se produjeron 20.599 veces el corpus nominal. Conclusión: El resultado de la extracción de terminología se presentó como satisfactoria para crear una taxonomía acerca de biopsia renal. El árbol con la conexión entre el diagnóstico puede ayudar a los profesionales jóvenes en formación en el área de la patología para la preparación de informes.

Desenvolvimento e avaliação de um classificador de padrões para análise do crescimento facial pelo método de maturação vertebral cervical / Development and evaluation of a pattern classifier for analysis of facial growth by the cervical vertebralmaturation method / Desarrollo y evaluación de un classificador de patrones para el análisis del crecimiento facial por el métodode maduración vertebral cervical

Objetivos: Este trabalho propõe o desenvolvimento de um classificador de padrões baseado no método Cervical Vertebral Maturation (CVM), que auxilia o profissional ortodontista na determinação do período ideal para o tratamento de uma série de deformidades dentofaciais. Métodos: Para o desenvolvimento do classificador, foram coletadas 187 radiografias cefalométricas laterais e um especialista em ortodontia realizou a avaliação da idade óssea manualmente em cada imagem. Por meio de um programa computacional desenvolvido para este fim, um segundo especialista marcou os pontos de interesse das vértebras nas imagens, formando assim uma base de dados para avaliação do classificador. Algoritmos de classificação foram então avaliados por meio do software Weka. Resultados: Seis classificadores foram obtidos com base no algoritmo Bayesiano Ingênuo, um para cada estágio cervical. Os resultados da avaliação da área sob a curva ROC (AUC) para os classificadores foram: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. O software de marcação de pontos mostrou ser útil ao ortodontista, armazenando dados em longo prazo podendo ser reproduzidos de forma exata a qualquer momento. Conclusão: Os resultados indicam que o classificador de padrões obtido auxilia o ortodontista a identificar o estágio cervical em que um indivíduo se encontra.

Objectives: This paper proposes the development of a pattern classifier based on the Cervical Vertebral Maturation (CVM) method, which helps the orthodontist to determine the optimal period for treatment of a variety of dentofacial deformities. Methods: For the development of the pattern classifier, 187 lateral radiographs were taken. Then, an orthodontist did the bone age assessment in each image manually. Through a computer program developed for this purpose, a second specialist pointed the landmarks on the vertebrae in each image resulting in a database for evaluate the classifier. Classification algorithms were then evaluated using Weka software. Results: Six classifiers were obtained based on Naive Bayes algorithm, one for each cervical stage. The results of the evaluation of the area under the ROC curve (AUC) for the classifiers were: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. The landmark pointer software proved to be useful for the orthodontist, storing data for long term and be accurately reproduced at any time. Conclusion: The results indicate that a pattern classifier assists the orthodontist to identify the cervical stage an individual is.

Objetivo: En este trabajo se propone el desarrollo de un clasificador de patrones sobre la base de la maduración cervical vertebral (CVM), el cual ayuda al ortodoncista para determinar el período óptimo para el tratamiento de una variedad de deformidades dentofaciales. Método: Para el desarrollo de lo clasificador de patrones, 187 radiografías laterales fueron tomadas. Entonces, un ortodoncista hizo la evaluación de la edad ósea en cada imagen de forma manual. A través de un programa informático desarrollado para este propósito, el segundo especialista señaló los puntos de referencia en las vértebras en cada imagen en la base de datos resultante para evaluar los clasificadores. Algoritmos de clasificación utilizando el software WEKA fueron evaluados. Resultados: Seis clasificadores se obtuvieron sobre la base de algoritmo Naive Bayes, uno para cada estadio cervical. Los resultados de la evaluación del área bajo la curva ROC (AUC) para los clasificadores son: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. El software para la puntuación demostró ser útil para el ortodoncista, el almacenamiento de datos en el largo plazo puede ser reproducido con exactitud en cualquier momento. Conclusión: Los resultados indican que lo SADC ayuda al ortodoncista para identificar lo estadio cervical que una persona es.