info:eu-repo/semantics/article
Machine Learning Classifiers applied to RKI MALDITOF Mass Spectrometry of Bacteria Data
Clasificadores de Aprendizaje Automático aplicados a Datos RKI MALDI-TOF de Espectrometría de Masa de Bacterias;
Classificadores de aprendizagem Aplicado automaticamente a dados RKI Espectrometria de massa MALDI-TOF Bactérias
Registro en:
10.33414/rtyc.40.75-87.2021
Autor
Rey, Andrea Alejandra
Institución
Resumen
In this work we assess the performance of different machine learning methods, to classify bacteria from mass spectra available at RKI MALDI-TOF database. Microorganism identification employing mass spectrometry is a technology that has become very popular in the last years, especially in clinical microbiology, where an adequate classification is relevant to choose a proper treatment. The techniques selected in our study include discriminant analysis, decision trees, nearest neighbors and neuronal networks. We consider the following measures for the analysis: accuracy, Cohen κ coefficient, no information rate and time consumed. The obtained results allow us to recommend linear discriminant analysis, with a slightly lower performance than nearest neighbors, but with advantages in computational cost. En este trabajo evaluamos el rendimiento de diferentes métodos de aprendizaje automático, para la clasificación de bacterias a partir de espectros de masas disponibles en la base de datos RKI MALDI-TOF. La identificación de microorganismos empleando espectrometría de masas se ha convertido en una tecnología muy popular en los últimos años, especialmente en microbiología clínica, donde una clasificación adecuada es fundamental al momento de elegir un tratamiento correcto. Los modelos elegidos en nuestro estudio incluyen análisis por discriminantes, árboles de decisión, vecinos más cercanos y redes neuronales. Consideramos las siguientes medidas para el análisis: exactitud, coeficiente κ de Cohen, tasa de no información y tiempo consumido. Los resultados obtenidos nos permiten recomendar el análisis por discriminante lineal, con un desempeño levemente inferior a vecinos más cercanos, pero aventajándolo en términos de costo computacional. Neste trabalho avaliamos o desempenho de diferentes métodos de aprendizado de máquina para a classificação de bactérias a partir de espectros de massa disponíveis no banco de dados RKI MALDI-TOF. A identificação de microrganismos por espectrometria de massa tem se tornado uma tecnologia muito popular nos últimos anos, principalmente na microbiologia clínica, onde a classificação adequada é essencial na escolha do tratamento correto. Os modelos escolhidos em nosso estudo incluem análise discriminante, árvores de decisão, vizinhos mais próximos e redes neurais. Consideramos as seguintes medidas para a análise: precisão, coeficiente κ de Cohen, taxa de não informação e tempo consumido. Os resultados obtidos permitem recomendar a análise por discriminante linear, com desempenho ligeiramente inferior aos vizinhos mais próximos, mas superando-o em termos de custo computacional.
Ítems relacionados
Mostrando ítems relacionados por Título, autor o materia.
-
Análise de impurezas de formas farmacêuticas sólidas por MALDI Mass Spectrometry Imaging (MALDI-MSI)
Rodrigues, Lívia Riberti, 1988-