Algoritmos de aprendizagem automática para previsão de AVC

Detalhes bibliográficos
Autor(a) principal: Costa, Eduardo João Gomes Teixeira da
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

Registros relacionados