Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças

Detalhes bibliográficos
Autor(a) principal: Morelli, Antônio Victor Ribeiro
Data de Publicação: 2019
Outros Autores: Silva, Luciano
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do Mackenzie
Texto Completo: http://dspace.mackenzie.br/handle/10899/20081
Resumo: O objetivo deste estudo foi identificar doenças através de um classificador com aprendizagem supervisionada, buscando a alta acurácia do mesmo, de forma que ele fosse capaz de classificar doenças com base nos sintomas apresentados pelos pacientes. Buscando esse fim, foram utilizadas informações epidemiológicas de algumas doenças bem conhecidas e foi criado um banco de dados com pacientes, seus respectivos sintomas e as doenças que lhes foram atribuídas no diagnóstico. Posteriormente, foi aplicado um modelo de aprendizado de máquina supervisionado SVM (support-vector machine) nesse banco de pacientes com a finalidade de classificar, com alta acurácia, as doenças com base nos sintomas apresentados.
id UPM_0b85fc5f5cbe277959eb8497d786d26e
oai_identifier_str oai:dspace.mackenzie.br:10899/20081
network_acronym_str UPM
network_name_str Biblioteca Digital de Teses e Dissertações do Mackenzie
repository_id_str 10277
spelling Morelli, Antônio Victor RibeiroSilva, LucianoSilva, Luciano2019-09-02T17:04:43Z2019-09-02T17:04:43Z2019-06O objetivo deste estudo foi identificar doenças através de um classificador com aprendizagem supervisionada, buscando a alta acurácia do mesmo, de forma que ele fosse capaz de classificar doenças com base nos sintomas apresentados pelos pacientes. Buscando esse fim, foram utilizadas informações epidemiológicas de algumas doenças bem conhecidas e foi criado um banco de dados com pacientes, seus respectivos sintomas e as doenças que lhes foram atribuídas no diagnóstico. Posteriormente, foi aplicado um modelo de aprendizado de máquina supervisionado SVM (support-vector machine) nesse banco de pacientes com a finalidade de classificar, com alta acurácia, as doenças com base nos sintomas apresentados.The aim of this study was to identify diseases through a classifier with supervised learning, seeking its high accuracy, so it would be able to classify diseases based on the symptoms of the patients. For this purpose, epidemiological information of some well-known diseases was used, and a database with patients was created, including their respective symptoms and the diseases that were assigned to them in the diagnosis. Subsequently, a SVM supervised machine learning model (support-vector machine) was applied to the patient database in order to classify, with high accuracy, the diseases based on the presented symptoms found in the patients database.http://dspace.mackenzie.br/handle/10899/20081Universidade Presbiteriana MackenzieSVMaprendizado de máquinaepidemiologiaaprendizado supervisionadoSVMmachine learningepidemiologysupervised learningAnálise epidemiológica : algoritmos de aprendizado de máquina para classificação de doençasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEinfo:eu-repo/semantics/openAccessFaculdade de Computação e Informática (FCI)THUMBNAILANTONIO VICTOR MORELLI.pdf.jpgANTONIO VICTOR MORELLI.pdf.jpgGenerated Thumbnailimage/jpeg1638https://dspace.mackenzie.br/bitstreams/73f3526e-63e8-44c0-966b-28ca2496f6e9/download7dc07ce1b27fc8c7e3300a1eefe2a7f6MD55TEXTANTONIO VICTOR MORELLI.pdf.txtANTONIO VICTOR MORELLI.pdf.txtExtracted texttext/plain17486https://dspace.mackenzie.br/bitstreams/27dbbadf-6b08-4fab-88bb-e80d874d8e3a/download60a725b4d0b62af282113f33b09e1202MD54ORIGINALANTONIO VICTOR MORELLI.pdfANTONIO VICTOR MORELLI.pdfANTONIO VICTOR MORELLIapplication/pdf290855https://dspace.mackenzie.br/bitstreams/0c49abe6-9322-4d5f-ba3a-b9204abba04a/download90b7ac0c79ceb7690e6dba191ab12495MD5110899/200812022-03-14 15:17:01.816oai:dspace.mackenzie.br:10899/20081https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-14T15:17:01Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)false
dc.title.pt_BR.fl_str_mv Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
title Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
spellingShingle Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
Morelli, Antônio Victor Ribeiro
SVM
aprendizado de máquina
epidemiologia
aprendizado supervisionado
SVM
machine learning
epidemiology
supervised learning
title_short Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
title_full Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
title_fullStr Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
title_full_unstemmed Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
title_sort Análise epidemiológica : algoritmos de aprendizado de máquina para classificação de doenças
author Morelli, Antônio Victor Ribeiro
author_facet Morelli, Antônio Victor Ribeiro
Silva, Luciano
author_role author
author2 Silva, Luciano
author2_role author
dc.contributor.author.fl_str_mv Morelli, Antônio Victor Ribeiro
Silva, Luciano
dc.contributor.advisor1.fl_str_mv Silva, Luciano
contributor_str_mv Silva, Luciano
dc.subject.por.fl_str_mv SVM
aprendizado de máquina
epidemiologia
aprendizado supervisionado
SVM
machine learning
epidemiology
supervised learning
topic SVM
aprendizado de máquina
epidemiologia
aprendizado supervisionado
SVM
machine learning
epidemiology
supervised learning
description O objetivo deste estudo foi identificar doenças através de um classificador com aprendizagem supervisionada, buscando a alta acurácia do mesmo, de forma que ele fosse capaz de classificar doenças com base nos sintomas apresentados pelos pacientes. Buscando esse fim, foram utilizadas informações epidemiológicas de algumas doenças bem conhecidas e foi criado um banco de dados com pacientes, seus respectivos sintomas e as doenças que lhes foram atribuídas no diagnóstico. Posteriormente, foi aplicado um modelo de aprendizado de máquina supervisionado SVM (support-vector machine) nesse banco de pacientes com a finalidade de classificar, com alta acurácia, as doenças com base nos sintomas apresentados.
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-09-02T17:04:43Z
dc.date.available.fl_str_mv 2019-09-02T17:04:43Z
dc.date.issued.fl_str_mv 2019-06
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.mackenzie.br/handle/10899/20081
url http://dspace.mackenzie.br/handle/10899/20081
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 Universidade Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Biblioteca Digital de Teses e Dissertações do Mackenzie
collection Biblioteca Digital de Teses e Dissertações do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/73f3526e-63e8-44c0-966b-28ca2496f6e9/download
https://dspace.mackenzie.br/bitstreams/27dbbadf-6b08-4fab-88bb-e80d874d8e3a/download
https://dspace.mackenzie.br/bitstreams/0c49abe6-9322-4d5f-ba3a-b9204abba04a/download
bitstream.checksum.fl_str_mv 7dc07ce1b27fc8c7e3300a1eefe2a7f6
60a725b4d0b62af282113f33b09e1202
90b7ac0c79ceb7690e6dba191ab12495
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1813820050763677696

Registros relacionados