Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-09-28T11:42:24Z
No. of bitstreams: 2
Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-09-28T12:28:10Z (GMT) No. of bitstreams: 2
Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-09-28T12:28:10Z (GMT). No. of bitstreams: 2
Dissertação - Rommell Guimaraes Caixeta - 2016.pdf: 1787149 bytes, checksum: 4187153e23c73bdc540c0032c99b52d3 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2016-09-09 / The analysis of physiological variables of a patient can improve the death risk classification
in Intensive Care Units(ICU) and help decision making and resource management.
This work proposes a computational approach to death prediction through physiological
variables analysis in ICU. Physiological variables that compounds time-series(e.g., blood
pressure) are represented as Dependent Gaussian Processes(DGP). Variables that do not
represent time-series (e.g., age) are used to cluster DGPs with Decision Trees. Classification
is made according to a distance measure that combines Dynamic Time Warping and
Kullback-Leibler divergence. The results of this approach are superior to other method
already used, SAPS-I, on the considered test dataset.The results are similar to other computational methods published by the research community. The results comparing variations
of the proposed method show that there is advatage in using the proposed clustering
of DGPs. / A análise das variáveis fisiológicas de um paciente pode melhorar a classificação do risco
de óbito de um paciente em uma Unidade de Terapia Intensiva(UTI) e auxiliar na tomada
de decisões e alocação de recursos disponíveis. Este trabalho propõe uma abordagem
computacional de análise de variáveis fisiológicas para previsão de óbito de pacientes
em UTI. Variáveis fisiológicas que compõem séries temporais(e.g., pressão arterial) são
representadas como Processos Gaussianos Dependentes(PGDs). Variáveis que não representam
séries temporais(e.g., idade) são utilizadas para agrupar os PGDs com Árvores
de Decisão. A classificação é feita de acordo com uma medida de distância que combina
Deformação Temporal Dinâmica e divergência Kullback-Leibler. O resultado desta abordagem
quanto ao desempenho de classificação é superior ao método padronizado SAPS-I
já utilizado em UTI no conjunto de dados considerado para testes. O resultado é similar
à outros métodos computacionais publicados pela comunidade de pesquisa. Os resultados
comparando variações da abordagem proposta também mostram que há vantagem em
utilizar o agrupamento de PGDs descrito.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/6297 |
Date | 09 September 2016 |
Creators | Caixeta, Rommell Guimarães |
Contributors | Bulcão Neto, Renato de Freitas, Soares, Anderson da Silva, Bulcão Neto, Renato de Freitas, Soares, Anderson da Silva, Laureano, Gustavo Teodoro, Oliveira, Marco Antônio Assfalk de |
Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
Relation | -3303550325223384799, 600, 600, 600, -7712266734633644768, 3671711205811204509 |
Page generated in 0.0025 seconds