SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE

Detalhes bibliográficos
Autor(a) principal: THIAGO BAPTISTA RODRIGUES
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@2
Resumo: Esta dissertação propõe uma metodologia, baseada em procedimentos quantitativos, para auxiliar o diagnóstico de indivíduos portadores de doença cardíaca. A metodologia proposta foi implementada e analisada em um grupo de indivíduos do banco de dados público intitulado Heart Disease Database (Base de Dados pública de Doença Cardíaca) (Aha, atualizado em 2001), diagnosticados nas cidades de Cleveland e Long Beach, nos Estados Unidos. Os resultados obtidos neste estudo foram comparados aos resultados de outros autores encontrados na literatura, de forma a se ter uma medida da qualidade dos resultados aqui obtidos. Foram utilizadas também outras técnicas de classificação de padrões conhecidas na literatura, denominadas Análise Discriminante e Algoritmo C4.5, de forma a estabelecer comparações com os resultados obtidos nesta dissertação utilizando Redes Neurais, e aplicar a metodologia sugerida na divisão dos conjuntos de treinamento/generalização. Os resultados obtidos foram satisfatórios. Um percentual de acerto médio de 91,0 % foi atingido, enquanto que outros resultados de estudos usando a mesma base de dados alcançaram percentuais de acerto médio de 83,0 % (Ho & Chou, 2001) e 83,5 % (Hu, Li, Cai & Xu, 2004). O desempenho da Rede Neural também foi melhor quando comparado ao da Análise Discriminante e do Algoritmo C4.5. A metodologia de divisão dos conjuntos de treinamento/generalização sugerida nesta dissertação promoveu melhorias em todas as três técnicas de classificação de padrões utilizadas. Acredita-se que os resultados obtidos poderão auxiliar as condutas médicas em relação ao diagnóstico de doença cardíaca, podendo, portanto, vir a ser úteis na prevenção e/ou tratamento de doenças cardíacas.
id PUC_RIO-1_73062ff2f7e8c1517eb699ae275ceb00
oai_identifier_str oai:MAXWELL.puc-rio.br:9758
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE SELEÇÃO DE VARIÁVEIS E CLASSIFICAÇÃO DE PADRÕES POR REDES NEURAIS COMO AUXÍLIO AO DIAGNÓSTICO DE DOENÇA CARDÍACA 2006-12-01CARLOS KUBRUSLY28505654749lattes.cnpq.br/0224643692268532JOSE LEONARDO RIBEIRO MACRINI33765391700JOSE LEONARDO RIBEIRO MACRINI33765391700JOSE LEONARDO RIBEIRO MACRINIELISABETH COSTA MONTEIROCARLOS KUBRUSLYMAURICIO NOGUEIRA FROTAJOSE LEONARDO RIBEIRO MACRINI09227599797lattes.cnpq.br/9885265456055592THIAGO BAPTISTA RODRIGUESPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA ELÉTRICAPUC-RioBREsta dissertação propõe uma metodologia, baseada em procedimentos quantitativos, para auxiliar o diagnóstico de indivíduos portadores de doença cardíaca. A metodologia proposta foi implementada e analisada em um grupo de indivíduos do banco de dados público intitulado Heart Disease Database (Base de Dados pública de Doença Cardíaca) (Aha, atualizado em 2001), diagnosticados nas cidades de Cleveland e Long Beach, nos Estados Unidos. Os resultados obtidos neste estudo foram comparados aos resultados de outros autores encontrados na literatura, de forma a se ter uma medida da qualidade dos resultados aqui obtidos. Foram utilizadas também outras técnicas de classificação de padrões conhecidas na literatura, denominadas Análise Discriminante e Algoritmo C4.5, de forma a estabelecer comparações com os resultados obtidos nesta dissertação utilizando Redes Neurais, e aplicar a metodologia sugerida na divisão dos conjuntos de treinamento/generalização. Os resultados obtidos foram satisfatórios. Um percentual de acerto médio de 91,0 % foi atingido, enquanto que outros resultados de estudos usando a mesma base de dados alcançaram percentuais de acerto médio de 83,0 % (Ho & Chou, 2001) e 83,5 % (Hu, Li, Cai & Xu, 2004). O desempenho da Rede Neural também foi melhor quando comparado ao da Análise Discriminante e do Algoritmo C4.5. A metodologia de divisão dos conjuntos de treinamento/generalização sugerida nesta dissertação promoveu melhorias em todas as três técnicas de classificação de padrões utilizadas. Acredita-se que os resultados obtidos poderão auxiliar as condutas médicas em relação ao diagnóstico de doença cardíaca, podendo, portanto, vir a ser úteis na prevenção e/ou tratamento de doenças cardíacas.This dissertation proposes a methodology, established in quantitative procedures, to assist the diagnostic of individuals with heart disease. The proposed methodology was implemented and analyzed in a group of individuals of the public database called Heart Disease Database (Aha, current in 2001), diagnosed in the cities of Cleveland and Long Beach, in the United States. The results gotten in this study had been compared with the results of other authors found in literature to have a measure of the quality of the results gotten here. Others techniques of classification of standards known in literature had also been used, called Discriminate Analysis and C4.5 Algorithm, to establish comparisons with the results gotten in this dissertation using Neural Networks, and to apply the methodology suggested in the division of the sets of training/generalization. The gotten results were satisfactory. A percentage of average rightness of 91.0 % was reached, whereas other results of studies using the same database had reached percentages of average rightness of 83.0 % (Ho & Chou, 2001) and 83.5 % (Hu, Li, Cai & Xu, 2004). The performance of the Neural Network was also better when compared with Discriminate Analysis and C4.5 Algorithm. The methodology of division of the sets of training/generalization suggested in this dissertation promoted improvements in all the three used techniques of classification of standards. It´s believable that the gotten results will be able to assist the medical behaviors in relation to the diagnostic of heart disease, becoming useful in the prevention and/or treatment of heart diseases.COORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T12:55:10Zoai:MAXWELL.puc-rio.br:9758Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-10-30T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.en.fl_str_mv SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
dc.title.alternative.pt.fl_str_mv SELEÇÃO DE VARIÁVEIS E CLASSIFICAÇÃO DE PADRÕES POR REDES NEURAIS COMO AUXÍLIO AO DIAGNÓSTICO DE DOENÇA CARDÍACA
title SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
spellingShingle SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
THIAGO BAPTISTA RODRIGUES
title_short SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
title_full SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
title_fullStr SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
title_full_unstemmed SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
title_sort SELECTION OF VARIABLES AND PATTERN CLASSIFICATION BY NEURAL NETWORKS AS HELP TO THE DIAGNOSTIC OF HEART DISEASE
author THIAGO BAPTISTA RODRIGUES
author_facet THIAGO BAPTISTA RODRIGUES
author_role author
dc.contributor.advisor-co1Lattes.none.fl_str_mv
dc.contributor.advisor-co2Lattes.none.fl_str_mv
dc.contributor.advisor1.fl_str_mv CARLOS KUBRUSLY
dc.contributor.advisor1ID.fl_str_mv 28505654749
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br/0224643692268532
dc.contributor.advisor-co1.fl_str_mv JOSE LEONARDO RIBEIRO MACRINI
dc.contributor.advisor-co1ID.fl_str_mv 33765391700
dc.contributor.advisor-co2.fl_str_mv JOSE LEONARDO RIBEIRO MACRINI
dc.contributor.advisor-co2ID.fl_str_mv 33765391700
dc.contributor.referee1.fl_str_mv JOSE LEONARDO RIBEIRO MACRINI
dc.contributor.referee2.fl_str_mv ELISABETH COSTA MONTEIRO
dc.contributor.referee3.fl_str_mv CARLOS KUBRUSLY
dc.contributor.referee4.fl_str_mv MAURICIO NOGUEIRA FROTA
dc.contributor.referee5.fl_str_mv JOSE LEONARDO RIBEIRO MACRINI
dc.contributor.authorID.fl_str_mv 09227599797
dc.contributor.authorLattes.fl_str_mv lattes.cnpq.br/9885265456055592
dc.contributor.author.fl_str_mv THIAGO BAPTISTA RODRIGUES
contributor_str_mv CARLOS KUBRUSLY
JOSE LEONARDO RIBEIRO MACRINI
JOSE LEONARDO RIBEIRO MACRINI
JOSE LEONARDO RIBEIRO MACRINI
ELISABETH COSTA MONTEIRO
CARLOS KUBRUSLY
MAURICIO NOGUEIRA FROTA
JOSE LEONARDO RIBEIRO MACRINI
description Esta dissertação propõe uma metodologia, baseada em procedimentos quantitativos, para auxiliar o diagnóstico de indivíduos portadores de doença cardíaca. A metodologia proposta foi implementada e analisada em um grupo de indivíduos do banco de dados público intitulado Heart Disease Database (Base de Dados pública de Doença Cardíaca) (Aha, atualizado em 2001), diagnosticados nas cidades de Cleveland e Long Beach, nos Estados Unidos. Os resultados obtidos neste estudo foram comparados aos resultados de outros autores encontrados na literatura, de forma a se ter uma medida da qualidade dos resultados aqui obtidos. Foram utilizadas também outras técnicas de classificação de padrões conhecidas na literatura, denominadas Análise Discriminante e Algoritmo C4.5, de forma a estabelecer comparações com os resultados obtidos nesta dissertação utilizando Redes Neurais, e aplicar a metodologia sugerida na divisão dos conjuntos de treinamento/generalização. Os resultados obtidos foram satisfatórios. Um percentual de acerto médio de 91,0 % foi atingido, enquanto que outros resultados de estudos usando a mesma base de dados alcançaram percentuais de acerto médio de 83,0 % (Ho & Chou, 2001) e 83,5 % (Hu, Li, Cai & Xu, 2004). O desempenho da Rede Neural também foi melhor quando comparado ao da Análise Discriminante e do Algoritmo C4.5. A metodologia de divisão dos conjuntos de treinamento/generalização sugerida nesta dissertação promoveu melhorias em todas as três técnicas de classificação de padrões utilizadas. Acredita-se que os resultados obtidos poderão auxiliar as condutas médicas em relação ao diagnóstico de doença cardíaca, podendo, portanto, vir a ser úteis na prevenção e/ou tratamento de doenças cardíacas.
publishDate 2006
dc.date.issued.fl_str_mv 2006-12-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9758@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA ELÉTRICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324892872278016