Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T17:23:07Z
No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:23:44Z (GMT) No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:23:44Z (GMT). No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013 / As doenças cardiovasculares são as que mais matam no Brasil e no mundo. Dessas,
a cardiopatia congênita, uma malformação cardíaca presente desde o nascimento, acomete 8
a 10 em cada 1000 nascidos vivos e aproximadamente 1/3 deles necessitam de tratamento já
no primeiro ano de vida. Inúmeros trabalhos demonstram que quanto antes for estabelecido o
diagnóstico maiores serão as chances de sucesso no tratamento. O atendimento de crianças com
suspeita de cardiopatia gera uma grande quantidade de informação, porém a diferenciação entre
sinais e sintomas normais ou patológicos logo no início, por exemplo, na marcação da consulta,
pode ser aspecto fundamental para agilizar o atendimento. Há algum tempo a Inteligência
Artificial, mais especificamente a subárea de Mineração de Dados, tem sido utilizada como
ferramenta de suporte à decisão médica em diversas especialidades, inclusive na cardiologia.
Apesar da maioria das aplicações nesse contexto utilizarem Árvore de Decisão para classificação
devido ao seu poder de interpretação e extração de regras, Máquinas de Vetor de Suporte
(Support Vector Machines - SVM) têm demonstrado, em várias aplicações, um maior poder de
generalização apresentando melhores resultados. No entanto, esse tipo de algoritmo, caixa-preta,
não produz um conhecimento explícito de modo que um médico, especialista no domínio, possa
interpretá-lo. A proposta desse trabalho é o desenvolvimento de um sistema de apoio à decisão
médica que auxilie na detecção de cardiopatias em crianças, a partir de dados iniciais, como
gênero, peso, altura e presença de sopros, com o objetivo de priorizar o seu atendimento médico.
Técnicas para lidar com bases de dados desbalanceadas, tais como SMOTE e SVM com pesos
foram utilizadas a fim de melhorar os resultados com relação a classificadores convencionais.
Além disso, foi possível realizar a extração de regras a partir dos resultados obtidos pela SVM.
Segundo os especialistas, os resultados obtidos viabilizam a utilização do sistema de apoio
à decisão que pode ser incorporado à prática clínica para melhorar a qualidade dos serviços
prestados.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/12436 |
| Date | 31 January 2013 |
| Creators | Tavares, Thiago Ribeiro |
| Contributors | Oliveira, Adriano Lorena Inácio de |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds