Dissertação

Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina

Esse trabalho propõe, de forma original, a utilização de redes neurais convolutivas para a predição da mortalidade em até 14 dias de pacientes com trauma crânio encefálico. O desempenho das redes neurais é comparado com o desempenho de outras ferramentas clássicas de aprendizado de máquina, como reg...

ver descrição completa

Autor principal: Guimarães, Kellen Adriely Alvarenga
Outros Autores: http://lattes.cnpq.br/6313430137513242
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Amazonas 2022
Assuntos:
Inteligência artificial - Aplicações médicas
ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Traumatismo cranioencefálico
Aprendizagem de máquina
Redes neurais
Redes neurais convolucionais
Acesso em linha: https://tede.ufam.edu.br/handle/tede/8759
id oai:https:--tede.ufam.edu.br-handle-:tede-8759
recordtype dspace
spelling oai:https:--tede.ufam.edu.br-handle-:tede-87592022-03-22T05:03:30Z Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina Guimarães, Kellen Adriely Alvarenga Costa Filho, Cícero Ferreira Fernandes http://lattes.cnpq.br/6313430137513242 http://lattes.cnpq.br/3029011770761387 Pereira, José Raimundo Gomes http://lattes.cnpq.br/3697983438100904 Amorim, Robson Luis Oliveira de http://lattes.cnpq.br/0601048137391786 Inteligência artificial - Aplicações médicas ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS Traumatismo cranioencefálico Aprendizagem de máquina Redes neurais Redes neurais convolucionais Esse trabalho propõe, de forma original, a utilização de redes neurais convolutivas para a predição da mortalidade em até 14 dias de pacientes com trauma crânio encefálico. O desempenho das redes neurais é comparado com o desempenho de outras ferramentas clássicas de aprendizado de máquina, como regressor logístico, perceptron multicamadas, máquina de vetores de suporte, árvores de decisão e floresta randômica. Na simulação dos modelos utilizando redes neurais, diversos métodos de otimização foram utilizados, como RMSProp, Adam, Adamax e SGDM. A base de dados utilizadas é constituída de 529 registros e 16 variáveis preditoras, tendo sido obtida no Hospital das Clínicas (São Paulo, Brasil). Devido a presença de muitos valores ausentes nas variáveis preditoras propõe-se e avaliou-se dois procedimentos para o preenchimento dos valores ausentes das mesmas, utilizando métodos como árvore de decisão, floresta randômica, k-vizinho mais próximo e regressão linear. Os melhores resultados obtidos para a taxa de predição foram precisão de 0,845 e área sob a curva ROC de 0,911 This work proposes, in an original way, the use of convolutional neural networks for the prediction day mortality until the 14th day in patients with traumatic brain injury. The performance of neural networks is compared with the performance of other classic machine learning tools such as logistic regressor, multilayer perceptron, support vector machine, decision trees and random forest. In the simulation of models using neural networks, several optimization methods were used, such as RMSProp, Adam, Adamax and SGDM. The database used consists of 529 records and 16 predictor variables, and was obtained from Hospital das Clínicas (São Paulo, Brazil). Due to the presence of many missing values in the predictor variables, two procedures were proposed and evaluated for filling in the missing values, using several methods, such as decision tree, random forest, k-nearest neighbor and linear regression. The best results obtained for the prediction rate were an accuracy of 0.845 and an area under the ROC curve of 0.911 Samsung Eletrônica da Amazônia Ltda 2022-03-22T02:27:38Z 2022-03-18 Dissertação GUIMARÃES, Kellen Adriely Alvarenga. Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina. 2022. 89 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2022. https://tede.ufam.edu.br/handle/tede/8759 por Acesso Aberto http://creativecommons.org/licenses/by/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution TEDE - Universidade Federal do Amazonas
collection TEDE-UFAM
language por
topic Inteligência artificial - Aplicações médicas
ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Traumatismo cranioencefálico
Aprendizagem de máquina
Redes neurais
Redes neurais convolucionais
spellingShingle Inteligência artificial - Aplicações médicas
ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Traumatismo cranioencefálico
Aprendizagem de máquina
Redes neurais
Redes neurais convolucionais
Guimarães, Kellen Adriely Alvarenga
Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
topic_facet Inteligência artificial - Aplicações médicas
ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Traumatismo cranioencefálico
Aprendizagem de máquina
Redes neurais
Redes neurais convolucionais
description Esse trabalho propõe, de forma original, a utilização de redes neurais convolutivas para a predição da mortalidade em até 14 dias de pacientes com trauma crânio encefálico. O desempenho das redes neurais é comparado com o desempenho de outras ferramentas clássicas de aprendizado de máquina, como regressor logístico, perceptron multicamadas, máquina de vetores de suporte, árvores de decisão e floresta randômica. Na simulação dos modelos utilizando redes neurais, diversos métodos de otimização foram utilizados, como RMSProp, Adam, Adamax e SGDM. A base de dados utilizadas é constituída de 529 registros e 16 variáveis preditoras, tendo sido obtida no Hospital das Clínicas (São Paulo, Brasil). Devido a presença de muitos valores ausentes nas variáveis preditoras propõe-se e avaliou-se dois procedimentos para o preenchimento dos valores ausentes das mesmas, utilizando métodos como árvore de decisão, floresta randômica, k-vizinho mais próximo e regressão linear. Os melhores resultados obtidos para a taxa de predição foram precisão de 0,845 e área sob a curva ROC de 0,911
author_additional Costa Filho, Cícero Ferreira Fernandes
author_additionalStr Costa Filho, Cícero Ferreira Fernandes
format Dissertação
author Guimarães, Kellen Adriely Alvarenga
author2 http://lattes.cnpq.br/6313430137513242
author2Str http://lattes.cnpq.br/6313430137513242
title Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
title_short Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
title_full Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
title_fullStr Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
title_full_unstemmed Predição de mortalidade de pacientes com traumatismo cranioencefálico no Brasil usando técnicas de aprendizagem de máquina
title_sort predição de mortalidade de pacientes com traumatismo cranioencefálico no brasil usando técnicas de aprendizagem de máquina
publisher Universidade Federal do Amazonas
publishDate 2022
url https://tede.ufam.edu.br/handle/tede/8759
_version_ 1831970047001624576
score 11.753735

Registros relacionados