Raman spectral post-processing for oral tissue discrimination - a step for an automatized diagnostic system

• Processo: 17/09766-7
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Data de Início da vigência: 01 de julho de 2017
• Data de Término da vigência: 31 de dezembro de 2017
• Área do conhecimento: Engenharias - Engenharia Biomédica
• Pesquisador responsável: Airton Abrahao Martin
• Beneficiário: Airton Abrahao Martin
• Instituição Sede: Universidade Brasil. Campus São Paulo. São Paulo , SP, Brasil
• Vinculado à bolsa: 14/05978-1 - Utilização da espectroscopia Raman in vivo para diagnóstico de processos patológicos bucais, BP.PD
• Assunto(s): Processamento de sinais Espectroscopia óptica Espectroscopia Raman Neoplasias bucais Publicações de divulgação científica Artigo científico
• Palavra(s)-Chave do Pesquisador: câncer bucal | Processamento de Sinais | Raman | Tecido oral | espectroscopia óptica

Resumo

A maioria das lesões orais são diagnosticadas por análise histopatológica de uma biópsia, que é um procedimento invasivo e não dá resultados imediatos. Por outro lado, a espectroscopia Raman é uma ferramenta analítica em tempo real e minimamente invasiva com potencial para o diagnóstico de doenças. O potencial de diagnóstico pode ser melhorado pelo processamento posterior de dados. Assim, este estudo tem como objetivo avaliar o desempenho das etapas de pré-processamento e Métodos de análise multivariada para a classificação de tecidos normais e espectro de lesão oral. Um total de 80 espectros adquiridos a partir de tecidos normais e anormais espectroscopia baseada em Raman de fibra óptica (OFRS) foram submetidas a pré-processamento de PCA em o conjunto de dados z-marcados e o KNN (K-vizinhos mais próximos), J48 (decisão não corrigida C4.5 Árvore), RBF (função de base radial), RF (floresta aleatória) e MLP (perceptron multicamada) classificadores no software WEKA (Waikato ambiente para análise de conhecimento), após a área normalização ou normalização de intensidade máxima. Nossos resultados sugerem a classificação foi obtida usando a normalização de intensidade máxima seguida por MLP. Com base nestes resultados, o software para análise automatizada pode ser gerado e validado usando conjuntos de dados maiores. Isto ajudaria a uma rápida compreensão dos dados espectro-Diagnóstico por médico em situações clínicas. (AU)