Análise paraconsistente e classificadores baseados em conhecimento: identificando ceratocone subclínico

Abstract

The evolution of computing has provided the intercommunication of different areas of knowledge to create new solutions and paradigms. It is increasingly common to use technology to optimize evolution in any context, one of the aspects that has been increasingly applied in this aspect is Machine Learning, which, using a large processing capacity and different statistical methods, offers a range of possibilities to deal with various different scenarios. In this project, we interconnect artificial intelligence to the field of ophthalmology. We observe a scenario where there is a database of several patients who underwent keratoconus examination, however, due to an inaccuracy of the diagnosis for certain cases, where there is uncertainty about the need for the patient to undergo surgery, the possibility of applying machine learning to solve this problem was seen. The classification methods based on decision tree and neural networks were used to analyze the characteristics collected in the diagnoses, which later allowed to draw, from pre-defined metrics, a parallel of comparison between the classifiers and to list their efficiency in the applied context. Alongside this, the paraconsistent engineering method was also applied, which seeks to do an evaluation process on the characteristics collected and used, discarding those that would be less convenient for the scenario. The classifiers were applied before and after the paraconsistent analysis, which also allowed us to draw a parallel of comparison and efficiency of the method.

A evolução da computação tem proporcionado a intercomunicação de diversas áreas do conhecimento, para criar novas soluções e paradigmas. É cada vez mais comum o uso da tecnologia para otimizar a evolução em qualquer âmbito, uma das vertentes que vem se mostrando cada vez mais aplicada nesse aspecto é o Machine Learning, que utilizando uma grande capacidade de processamento e diferentes métodos estatísticos, oferece uma gama de possibilidades para tratar diversos cenários de aplicação. Neste trabalho, interligamos a inteligência artificial à área de oftalmologia. Observamos um cenário onde existe um banco de dados de diversos pacientes que se submeteram ao exame de ceratocone, porém, devido à uma imprecisão do diagnóstico para determinados casos, onde há incerteza da necessidade do paciente passar por uma cirurgia, foi vista a possibilidade da aplicação do aprendizado de máquina para solvência desse óbice. Foram utilizados métodos classificadores baseados em árvore de decisão e em redes neurais para fazer a análise das características coletadas nos diagnósticos que, posteriormente, permitiram traçar, a partir de métricas pré-definidas, um paralelo de comparação entre os classificadores e elencar sua eficiência no contexto aplicado. Junto a isso, também foi aplicado o método de engenharia paraconsistente, que busca fazer um processo de avaliação nas características coletadas e utilizadas, descartando as que seriam menos convenientes para o cenário. Os classificadores foram aplicados antes e depois da análise paraconsistente, o que também nos permitiu traçar um paralelo de comparação e eficiência do método