Classificao de Patologias da

Coluna Vertebral usando Redes

Neurais Artificiais
UFC - Universidade Federal do Cear
DETI - Departamento de Engenharia de Teleinformtica
LESC - Laboratrio de Engenharia de Sistemas de Computao

Autores: Ajalmar Rgo da Rocha Neto

Guilherme de Alencar Barreto
Paulo Csar Cortez
Henrique da Mota (Ms. e Mdico Colaborador)

Sumrio
Justificativa;
Objetivo;
Problema Proposto;
Atributos Biomecnicos Usados;
SINPATCO;
Mdulo de Classificao Automtica;
Resultados Obtidos;
Concluses;
Trabalhos Futuros.

31/10/2006

SINPATCO

Justificativa
Grande incidncia de patologias;
Escassez de trabalhos nesta rea;
Definio de atributos biomecnicos.

31/10/2006

SINPATCO

Objetivo
Desenvolver e avaliar um sistema de
classificao de patologias da coluna
vertebral (hrnia de disco e
espondilolistese), baseado em atributos
biomecnicos, usando redes neurais
artificiais.
31/10/2006

SINPATCO

Problema Proposto
Reconhecer e classificar indivduos sadios
ou patolgicos
saudvel

31/10/2006

hrnia discal

SINPATCO

espondilolistese

Coluna Vertebral

31/10/2006

SINPATCO

Disco Vertebral

31/10/2006

SINPATCO

Disco Intervertebral

31/10/2006

SINPATCO

Hrnia de Disco
Caractersticas
A hrnia de disco um prolapso do
ncleo para fora do anel fibroso do
disco intervertebral;
Projeo da parte central do disco
intervertebral para alm de seus
limites normais.
31/10/2006

SINPATCO

Espondilolistese
Caractersticas
Espondilo + listese=Espondilolistese
Espondilo = vrtebra
Listese = deslizamento
Deslizamento para frente de uma
das 33 vrtebras em relao a outra
subjacente.

31/10/2006

SINPATCO

10

Atributos Biomecnicos Usados

Caractersticas relacionadas a dores
e deformidades
ngulo de incidncia plvico;
ngulo de verso plvica;
ngulo de lordose;
declive sacral;
raio plvico;
grau de deslizamento.

31/10/2006

SINPATCO

11

31/10/2006

SINPATCO

12

SINPATCO
Sistema INteligente de Diagnstico de PATologias da
COluna Vertebral
Composto pelos seguintes mdulos
Interface grfica;
Classificao automtica;
Explanao (Extrao de conhecimento).

31/10/2006

SINPATCO

13

Mdulo de Classificao
Classificadores de Padres:
Naive Bayes;
Perceptron Multicamadas (MLP);
GRNN.

31/10/2006

SINPATCO

14

Naive Bayes
Supe a independncia entre as
caractersticas das amostras;
Estima a funo verossimilhana da
classe com base na funo de
verossimilhana das caractersticas;
Treinamento
Separao das classes;
Mdia das caractersticas;
Desvio padro das caractersticas;

Determina uma amostra para a classe

cuja funo de verossimilhana maior.
31/10/2006

SINPATCO

15

Perceptron Multicamadas
Composta por elementos processadores
bsicos (neurnios artificiais);
Neurnios artificiais inspirados nos
neurnios biolgicos;
Caractersticas do MLP:
Algo grau de conectividade;
Interligao entre neurnios de vrias
camadas;
Paralelismo;
Error backpropagation.
31/10/2006

SINPATCO

16

Perceptron Multicamadas
Constri a fronteira de deciso com base
na minimizao do erro de classificao;
Treinamento em dois sentidos;
Sentido direto:
Clculo de sadas e ativaes para os
neurnios das camadas;
Fluxo de sinais de entrada-sada.

Sentido reverso:
Envolve o clculo de gradientes
locais e pesos.
31/10/2006

SINPATCO

17

Perceptron Multicamadas
Distribuio dos neurnios
Camadas
entrada: 6;
escondida: 12;
sada: 3.
Funo de ativao: logstica.
Treinamento
Retro-propagao
pocas: 2500;
taxa de esquecimento: 0,01.
31/10/2006

SINPATCO

18

Perceptron Multicamadas

31/10/2006

SINPATCO

19

GRNN (Rede p/ Regresso Geral)

Baseada em regresso;
Elementos processadores simples (neurnios);
Neurnio somador especial;
Trs camadas de neurnios:
camada mais interna (mapeando dos pesos
para as amostras de treinamento);
camada de somadora com aprendizado
supervisionado;
camada de sada com as estimativas do
rtulo.
31/10/2006

SINPATCO

20

GRNN - Arquitetura

31/10/2006

SINPATCO

21

Resultados
Base de dados de 310 pacientes;
Radiografias panormicas sagitais em
formato 30x90 cm;
Os parmetros usados para comparao
entre os algoritmos aplicados so:
Acerto mdio no teste;
Varincia entre acertos no teste;
Acerto mximo no teste;
Acerto mnimo no teste;
Matriz de confuso;
Percentagem de outliers usados.
31/10/2006

SINPATCO

22

Resultado Geral - MLP

Acerto mdio no teste entre 89,67% e 98,48%;
A medida que outliers so acrescentados a taxa de acerto
mdio no teste diminui (os valores mnimos e mximos tem
o mesmo comportamento).

31/10/2006

SINPATCO

23

Matriz de Confuso - MLP

Matriz de confuso para o melhor classificador
quando, entre as 50 exec., P = 100% (todos os
padres juntos);
2 falsos positivos (normais-hrniados) e 4 falsos
negativos (hrniados-normais);
6 erros ao todo.

31/10/2006

SINPATCO

24

Resultado Geral Naive Bayes

Acerto mdio no teste entre 82,02% e 96,51%;
De forma semelhante ao MLP e ao kNN, a medida que
outliers so acrescentados a taxa de acerto no teste
diminui.

31/10/2006

SINPATCO

25

Matriz de Confuso N. Bayes

Matriz de confuso para o melhor classificador
quando, entre as 50 exec., P = 100% (todos os
padres juntos);
8 falsos positivos (normais - herniados(6) ou
espond.(2)) e 2 falsos negativos (herniados normais);
10 erros ao todo.

31/10/2006

SINPATCO

26

Resultado Geral GRNN

Acerto mdio no teste entre 75,78% e 95,79%;
De forma semelhante ao MLP e ao Naive Bayes, a
medida que outliers so acrescentados a taxa de acerto
mdio no teste diminui.

31/10/2006

SINPATCO

27

Matriz de Confuso GRNN

Matriz de confuso para o melhor classificador
quando, entre as 50 exec., P = 100% (todos os
padres juntos);
5 falsos positivos (normais - patolgicos) e 3 falsos
negativos (patolgicos - normais); 4 classificados
com doenas diferentes das que possuam;
12 erros ao todo.

31/10/2006

SINPATCO

28

Resultado Comparao Geral

Acertos mdios: 98,48% com MLP; 96,51% com com
Naive Bayes; e 95,79% com o GRNN.

31/10/2006

SINPATCO

29

Resultado Comparao Geral

31/10/2006

SINPATCO

30

Concluses
Atributos biomecnicos empregados permitem
a classificao de padres;
O MLP apresenta melhor desempenho devido a
alta taxa de acerto (boa generalizao), baixa
varincia e baixo erro de falso negativo e falso
positivo;
Removendo-se padres incomuns a
classificao torna-se mais precisa.

31/10/2006

SINPATCO

31

Muito Obrigado!
At o Prximo CBIS se Deus quiser
Endereo:
Campus do PICI S/N, Bloco 724
Cx.Postal 6007, CEP. 60455-970, Fortaleza - CE
----------------------------------------------------------------------------Telefones:
(voz) + 55 85 3366-9467
(fax) + 55 85 3366-9468
Ajalmar Rgo da Rocha Neto
E-mail: ajalmar@deti.ufc.br
Prof. Paulo Csar Cortez
E-mail: cortez@deti.ufc.br