Predição volumétrica de lesões pulmonares aplicando modelo oculto de Markov / Prediction volumetric of lung lesions applying hidden Markov model
J. health inform
; 8(supl.I): 699-711, 2016. ilus, tab
Artigo
em Português
| LILACS
| ID: biblio-906580
Biblioteca responsável:
BR21.1
RESUMO
OBJETIVO:
predizer o estado volumétrico de lesões pulmonares aplicando o modelo oculto de Markov (HMM).MATERIAIS E MÉTODOS:
Aquisição de imagens de lesões pulmonares temporais, geração do HMM e a aplicação do HMM.RESULTADOS:
Os testes foram aplicados em 24 lesões pulmonares, adquiridas da Public Lung Database to Address Drug Response (PLDADR). Dividimos os resultados desta pesquisa em 3. O primeiro utilizando a base completa para predição volumétrica da lesão e comparação com o Response Evaluation Criteria in Solid Tumors (RECIST), atingindo uma taxa de acerto de 70,83%. No segundo, Aplica - se o método leave-one-out, separando os dados em dois grupos, treino e teste, obtendo-se uma taxa de acerto de 75,00%. Por fim, realizamos a predição volumétrica de cada lesão no intervalo de 5 tempos. O resultado mostrou que é possível predizer se o estado da lesão está progredindo, regredindo ou estabilizando, a partir das alterações ocorridas nos diâmetros e volumes.ABSTRACT
OBJECTIVE:
predicting the volume status of lung lesions by applying the hidden Markov model (HMM). MATERIALS ANDMETHODS:
Acquisition of images of temporal lung lesions, HMM generation and application of HMM.RESULTS:
The tests were applied in 24 pulmonary lesions, acquired from Public Lung Database to Address Drug Response(PLDADR). We have divided this search in 3. The first using the full volumetric basis for prediction of the lesion and compared to the Response Evaluation Criteria in Solid Tumors (RECIST), reaching a 70.83% success rate. Then, weapply the leave-one-out method, separating the data into two groups, training and testing, yielding a 75.00% successrate. Finally, we volumetric prediction of each lesion in 5 days interval. The result showed that it is possible to predict the state of the injury is progressing, regressing or stabilizing, from changes in the diameters and volumes.
Texto completo:
Disponível
Coleções:
Bases de dados internacionais
Contexto em Saúde:
Agenda de Saúde Sustentável para as Américas
Problema de saúde:
Objetivo 4: Financiamento para a saúde
Base de dados:
LILACS
Assunto principal:
Cadeias de Markov
/
Lesão Pulmonar
/
Neoplasias Pulmonares
Tipo de estudo:
Avaliação econômica em saúde
/
Estudo prognóstico
/
Fatores de risco
Limite:
Humanos
Idioma:
Português
Revista:
J. health inform
Assunto da revista:
Informática Médica
/
Serviços de Saúde
/
TECNOLOGIA
Ano de publicação:
2016
Tipo de documento:
Artigo
/
Congresso e conferência
País de afiliação:
Brasil
Instituição/País de afiliação:
Universidade Federal de São Carlos/BR
/
Universidade Federal do Maranhão/BR