Array
(
    [responseDate] => 2023-12-26T01:55:18Z
    [request] => https://www.reciis.icict.fiocruz.br/index.php/reciis/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:www.reciis.icict.fiocruz.br:article/926
                            [datestamp] => 2022-08-11T14:24:57Z
                            [setSpec] => reciis:AO
                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Array
                                        (
                                            [0] => Ellipsoid clustering machine: a front line to aid in disease diagnosis
                                            [1] => Máquina de agrupamento por elipsóide: uma linha de frente para auxiliar no diagnóstico de doenças
                                        )

                                    [creator] => Array
                                        (
                                            [0] => Carvalho, Paulo Costa
                                            [1] => Fischer, Juliana de Saldanha Gama
                                            [2] => Barbosa, Valmir Carneiro
                                            [3] => Domont, Gilberto Barbosa
                                            [4] => Degrave, Wim Maurits Sylvain
                                            [5] => Carvalho, Maria da Gloria da Costa
                                        )

                                    [subject] => Array
                                        (
                                            [0] => Mass spectrometry
                                            [1] => machine learning
                                            [2] => pattern recognition
                                            [3] => clustering
                                            [4] => Hodgkin’s disease
                                            [5] => proteomics
                                            [6] => Espectrometria de massa
                                            [7] => aprendizagem de máquina
                                            [8] => reconhecimento de padrões
                                            [9] => clustering
                                            [10] => doença de Hodgkin
                                            [11] => proteômica
                                        )

                                    [description] => Array
                                        (
                                            [0] => This study presents a new machine learning strategy to address the disease diagnosis classification problem that comprises an unknown number of disease classes. This is exemplified by a software called Ellipsoid Clustering Machine (ECM) that identifies conserved regions in mass spectrometry proteomic profiles obtained from control subjects and uses these to estimate classification boundaries based on sample variance. The software can also be used for visual inspection of data reproducibility. ECM was evaluated using mass spectrometry protein profiles obtained from serum of Hodgkin’s disease patients (HD) and control subjects. According to the leave-one-out cross validation, ECM completely separated both groups based only on the information derived from four selected mass spectral peaks. Classification details and a 3D graphical model showing the separation between the control subject cluster and HD patients is also presented. The software is available on the project website together with online interactive models of the dataset and an animation demonstrating the method.
                                            [1] => Este estudo apresenta nova estratégia de inferência direcionada a detectar presença de doenças em amostras biológicas. Diferencialmente dos métodos existentes, esta técnica é aplicável quando o número de patologias e as mesmas são desconhecidos. Esta é exemplificada através de software que denominamos “Máquina de Agrupamento por Elipsóide”, do inglês, Ellipsoid Clustering Machine (ECM). O mesmo identifica regiões conservadas em perfis proteômicos obtidos por espectrometria de massa de amostras biológicas de indivíduos controles e estima limites para classifica- ção baseando-se na variância da expressão protéica. O software também pode ser utilizado para inspeção visual de reprodutibilidade de dados. O ECM foi avaliado utilizando perfis protéicos do soro de pacientes com a doença de Hodgkin e de indivíduos controle. De acordo com a validação cruzada leave-one-out, o ECM separou corretamente os grupos se baseando apenas na informação de quatro picos espectrais selecionados. Este trabalho descreve o algoritmo e apresenta imagens de modelos 3D representativos da separação. O software está disponível na página do projeto na internet junto com modelos interativos e uma animação demonstrando o método.
                                        )

                                    [publisher] => Instituto de Comunicação e Informação Científica e Tecnológica em Saúde (Icict/Fiocruz)
                                    [date] => 2007-12-31
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                            [2] => Avaliado pelos pares
                                        )

                                    [format] => Array
                                        (
                                            [0] => application/pdf
                                            [1] => application/pdf
                                        )

                                    [identifier] => Array
                                        (
                                            [0] => https://www.reciis.icict.fiocruz.br/index.php/reciis/article/view/926
                                            [1] => 10.3395/reciis.v1i2.926
                                        )

                                    [source] => Array
                                        (
                                            [0] => Revista Eletrônica de Comunicação, Informação & Inovação em Saúde; Vol. 1 No. 2 (2007): Suplemento - Bioinformática e Saúde
                                            [1] => Revista Eletrônica de Comunicação, Informação e Inovação em Saúde; Vol. 1 Núm. 2 (2007): Suplemento - Bioinformática e Saúde
                                            [2] => Revue de la Communication, de l'Information et de l'Innovation en santé; Vol. 1 No 2 (2007): Suplemento - Bioinformática e Saúde
                                            [3] => Revista Eletrônica de Comunicação, Informação & Inovação em Saúde; v. 1 n. 2 (2007): Suplemento - Bioinformática e Saúde
                                            [4] => 1981-6278
                                        )

                                    [language] => Array
                                        (
                                            [0] => por
                                            [1] => eng
                                        )

                                    [relation] => Array
                                        (
                                            [0] => https://www.reciis.icict.fiocruz.br/index.php/reciis/article/view/926/1571
                                            [1] => https://www.reciis.icict.fiocruz.br/index.php/reciis/article/view/926/1624
                                        )

                                    [rights] => Copyright (c) 2018 Revista Eletrônica de Comunicação, Informação & Inovação em Saúde
                                )

                        )

                )

        )

)