Logo do repositório
 

Software baseado em rede neural artificial desenvolvido por meio de algoritmo genético para a classificação morfológica de blastocistos bovinos

dc.contributor.advisorNogueira, Marcelo Fábio Gouveia [UNESP]
dc.contributor.advisorRocha, José Celso [UNESP]
dc.contributor.authorMatos, Felipe Delestro [UNESP]
dc.contributor.institutionUniversidade Estadual Paulista (Unesp)
dc.date.accessioned2015-03-03T11:52:38Z
dc.date.available2015-03-03T11:52:38Z
dc.date.issued2014-07-28
dc.description.abstractA classificação morfológica embrionária possui grande importância para inúmeras técnicas laboratoriais (desde pesquisas básicas às aplicadas na reprodução assistida). Entretanto, o método utilizado para realizar a classificação dos embriões em diferentes graus de qualidade sempre foi baseado na subjetividade do avaliador e, por mais que sejam estabelecidos padrões de graus de qualidade e descrições das características morfológicas que categorizam um embrião em cada grau, não há atualmente um método preciso que possa gerar resultados consistentes e confiáveis. Assim, nosso trabalho resultou no desenvolvimento de um software capaz de realizar a classificação da qualidade morfológica de blastocistos bovinos. Utilizamos como base de funcionamento técnicas de inteligência artificial (mais especificamente de Redes Neurais Artificiais e Algoritmos Genéticos). Resultados indicam uma taxa de acerto global de 79,2% na classificação de blastocistos bovinos em 3 graus de qualidade, sendo que para os blastocistos classificados como Excelentes ou Bons (Classe 1) a taxa de acerto é de 82,6%, para os blastocistos classificados como Regulares (Classe 2) é de 16,7% e para os blastocistos classificados como Pobres (Classe 3) a taxa de acerto é de 91,7%pt
dc.description.abstractEmbryonic morphological classification has great importance for numerous laboratory techniques (from basic to applied research in assisted reproduction). However, the method used to perform the classification of embryos in varying degrees of quality has always been based on the subjectivity of the evaluator. Although quality standards and descriptions of morphological characteristics that categorize an embryo in each grade are established, currently there is not an accurate method that can generate consistent and reliable results. Thus, our work resulted in the development of a software able to perform the classification of morphological quality of bovine blastocysts. Artificial Intelligence techniques (such as Artificial Neural Networks and Genetic Algorithms) were used in the development. Results indicate an overall accuracy of 79.2% in the classification of bovine blastocysts in 3 degrees of quality. For blastocysts classified as Excellent or Good (Class 1) the hit rate is 82.6%, for blastocysts classified as Regular (Class 2) is 16.7% and for blastocysts classified as poor (Class 3) the hit rate is 91.7%en
dc.format.extent127 f. : il.
dc.identifier.aleph000810245
dc.identifier.capes33004048023P9
dc.identifier.citationMATOS, Felipe Delestro. Software baseado em rede neural artificial desenvolvido por meio de algoritmo genético para a classificação morfológica de blastocistos bovinos. 2014. 127 f. Dissertação (mestrado) - Universidade Estadual Paulista, Faculdade de Filosofia, Ciências e Letras de Assis, 2014.
dc.identifier.file000810245.pdf
dc.identifier.lattes3734933152414412
dc.identifier.urihttp://hdl.handle.net/11449/115875
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso abertopt
dc.sourceAleph
dc.subjectEmbriologiapt
dc.subjectBlastocistopt
dc.subjectSoftware - Desenvolvimentopt
dc.subjectRedes neurais (Computação)pt
dc.subjectAlgoritmos genéticospt
dc.subjectEmbryologypt
dc.titleSoftware baseado em rede neural artificial desenvolvido por meio de algoritmo genético para a classificação morfológica de blastocistos bovinospt
dc.typeDissertação de mestradopt
dspace.entity.typePublication
relation.isOrgUnitOfPublicationc3f68528-5ea8-4b32-a9f4-3cfbd4bba64d
relation.isOrgUnitOfPublication.latestForDiscoveryc3f68528-5ea8-4b32-a9f4-3cfbd4bba64d
unesp.author.lattes3734933152414412
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Letras, Assispt
unesp.graduateProgramBiociências - FCLASpt
unesp.knowledgeAreaCaracterização e Aplicação da Diversidade Biológicapt

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
000810245.pdf
Tamanho:
1.39 MB
Formato:
Adobe Portable Document Format