Algoritmos de aprendizagem automática para previsão de AVC
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://hdl.handle.net/1822/84391 |
Resumo: | Dissertação de mestrado integrado em Engenharia Informática |
id |
RCAP_bc4771c40921259c32756a8a73a9f79c |
---|---|
oai_identifier_str |
oai:repositorium.sdum.uminho.pt:1822/84391 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Algoritmos de aprendizagem automática para previsão de AVCMineração de dadosAprendizagem automáticaAcidente Vascular CerebralPrevisãoData miningMachine learningStrokePredictionEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Engenharia InformáticaO Acidente Vascular Cerebral (AVC) foi, em 2020, a segunda principal causa de morte no mundo e primeira no que toca a incapacidade. Com a motivação de contribuir para ajudar a reduzir os números que são alarmantes e continuam a crescer, surge este projeto, do qual se pretende que resultem modelos que possam tentar prever se um indivíduo irá, ou não, ser vítima deste problema e descobrir quais as suas características ou dados clínicos que mais influenciam esta previsão, pois, segundo a Sociedade Portuguesa de Medicina Interna (SPMI), 80% dos casos podem ser prevenidos[1]. Para o efeito, o projeto a desenvolver incluirá uma recolha e tratamento de datasets que organizem dados clínicos de vários pacientes e a incidência desta problemática, um estudo acerca das técnicas e algoritmos de Machine Learning mais adequados aos modelos a desenvolver, sendo depois aplicados através de modelos de Data Mining (DM), dando uso a ferramentas como Weka e RapidMiner, para indução dos modelos de previsão, assim como algoritmos em linguagens como Python e R, conjugando, assim, os factos de que "o setor da saúde é rico em informação, e o Data Mining está a tornar-se uma necessidade"[2]. Finalmente, estes modelos serão testados, validados e comparados, do qual resulta esta dissertação.Stroke was, in 2020, the second leading cause of death in the world and the first in terms of disability. With the motivation of contributing to help reduce these alarming numbers, which continue to grow, this project arose, which aims to produce models that can try to predict whether or not an individual will be a victim of this problem and discover which characteristics or clinical data most influence this prediction, since, according to the Portuguese Society of Internal Medicine (SPMI), 80% of cases can be prevented[1]. To this end, the project to be developed will include the collection and processing of datasets that organize clinical data from several patients and the incidence of this problem, a study on the techniques and algorithms of Machine Learning more suitable for the models to be developed, These will then be applied through Data Mining (DM) models, using tools such as Weka and RapidMiner to induce the prediction models, as well as algorithms in languages such as Python, thus combining the facts that " because healthcare sector is rich with information, and data mining is becoming a necessity”[2]. Finally, these models will be tested, validated and compared, resulting in this dissertation.Machado, José ManuelUniversidade do MinhoCosta, Eduardo João Gomes Teixeira da2022-12-132022-12-13T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/84391por203261771info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:41:50Zoai:repositorium.sdum.uminho.pt:1822/84391Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:38:55.119989Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Algoritmos de aprendizagem automática para previsão de AVC |
title |
Algoritmos de aprendizagem automática para previsão de AVC |
spellingShingle |
Algoritmos de aprendizagem automática para previsão de AVC Costa, Eduardo João Gomes Teixeira da Mineração de dados Aprendizagem automática Acidente Vascular Cerebral Previsão Data mining Machine learning Stroke Prediction Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Algoritmos de aprendizagem automática para previsão de AVC |
title_full |
Algoritmos de aprendizagem automática para previsão de AVC |
title_fullStr |
Algoritmos de aprendizagem automática para previsão de AVC |
title_full_unstemmed |
Algoritmos de aprendizagem automática para previsão de AVC |
title_sort |
Algoritmos de aprendizagem automática para previsão de AVC |
author |
Costa, Eduardo João Gomes Teixeira da |
author_facet |
Costa, Eduardo João Gomes Teixeira da |
author_role |
author |
dc.contributor.none.fl_str_mv |
Machado, José Manuel Universidade do Minho |
dc.contributor.author.fl_str_mv |
Costa, Eduardo João Gomes Teixeira da |
dc.subject.por.fl_str_mv |
Mineração de dados Aprendizagem automática Acidente Vascular Cerebral Previsão Data mining Machine learning Stroke Prediction Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Mineração de dados Aprendizagem automática Acidente Vascular Cerebral Previsão Data mining Machine learning Stroke Prediction Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
Dissertação de mestrado integrado em Engenharia Informática |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-13 2022-12-13T00:00:00Z |
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://hdl.handle.net/1822/84391 |
url |
https://hdl.handle.net/1822/84391 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
203261771 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799132928704249856 |