You are on page 1of 1

AUTOMATIZAÇÃO TOTAL DO DIAGNÓSTICO DE MALÁRIA -

FASE 1: TESTE DE VIABILIDADE - MODELO CLASSIFICATÓRIO FUZZY


School Logo Here
Yuri Vasconcelos de Almeida Sá- UNESP Campus Sorocaba Project Logo Here

A DOENÇA O DIAGNÓSTICO DADOS


A Malária: Protocolo: Imagens:
- Infecciosa (Mosquito/Protozoário-Plasmódio) - Técnico qualificado - Amostra de sangue
- Debilitante - Manual - Colorida
- Recorrente se não tratada - Mais de um profissional - Digitalizada
- Em sua forma grave pode causar a morte - Caro - Banco de dados
- Propensa a resistência farmacológica - Operacionamente complexo público (NIH)
- Diagnóstico rápido facilita o tratamento
OBJETIVOS DO PROJETO OBJETIVOS DESTE TRABALHO RESTRIÇÕES
Criação de um dispositivo para automação do Modelagem: Plataforma digital:
diagnóstico: - Baixo custo computacional - Componentes "off the shelf"
- Portável - Modelos simples - Limitados às quatro operações básicas
- Móvel - Capacidade de transferência do modelo - Sem histórico ou re-treino
- MUITO Barato - Explicabilidade do método e resultado - Sem customização do hardware
- Offline (aumento de memória ou CPU)
- Baixo consumo energético - Iterações estão condicionadas ao tempo
- Resiliente
- Fácil de utilizar (Simplicidade de projeto)

PROCESSO DE MODELAGEM FUZZY - 1. PREPARAÇÃO DOS DADOS

Aquisição: Divisao de canais: Extração de características:


- Dataset padrão NIH - RGB - Média de cada canal
- Separação - Normalização .
- Doente (1) - Saudável (0) - Reescalonamento

PROCESSO DE MODELAGEM FUZZY - 2.GERAÇÃO DE FISs SEPARADOS

Modelos: Criação das funções de pertinencia:


Extração de características: - FIS para label 0 - Triangulares
- Média de cada canal - FIS para label 1 - Quantis são os vértices .
- Outliers são ignorados (para Max ou Min)

PROCESSO DE MODELAGEM FUZZY - 3 .GERAÇÃO DE REGRAS PARCIAIS

Criação das regras: Atribuição de pesos


- Regras individuais por característica - ks.test
- Cada MF relacionada ao resultado - Normalização entre os p-valores .
encontrados

RESULTADOS MAIS
Reference
Prediction 0 1
0 10520 3722
1 3158 12256

Accuracy : 0.7680 Artigo Autor

Sensivity : 0.7671
Specificity : 0.7691
Pos Pred Value : 0.7951 . .
Neg Pred Value : 0.7387