Classificador neural para a predição do diagnóstico clínico de hepatites virais B e C
Título
Classificador neural para a predição do diagnóstico clínico de hepatites virais B e C
Autor
Lopes, Samuel Ferreira
Colaborador
Neves, Ana Regia de Mendonça (Orient.)
Descrição
As hepatites virais são consideradas um grande desafio de saúde pública mundial. Geralmente, o diagnóstico das hepatites virais é feito ao acaso, a partir de alterações presentes em exames de sangue. As técnicas de aprendizado de máquina estão sendo utilizadas como um método alternativo para a predição desse tipo de doença. Neste contexto, este artigo apresenta os resultados do uso de uma rede Perceptron Multicamadas para a predição do diagnóstico clínico de hepatite B e C com dados de uma base real. A metodologia aplicada passou inicialmente por uma análise exploratória dos dados, assim compreendendo cada característica do dataset, seleção dos dados que tinham uma correlação razoavelmente forte, com as características selecionadas fez-se a raspagem de dados e a limpeza e por fim foi desenvolvido o modelo e realizado os treinos e teste da Rede. Os resultados preliminares mostram uma tendência moderada na predição do diagnóstico clínico.
Assunto
Hepatite B
Hepatite C
HVB
HVC
Aprendizado de máquina
Rede neural artificial
Data
2020
Editor
IFB Campus Brasília
Direitos
Liberação parcial dos dados de publicação: resumo e metadados.
Idioma
PT
Tipo
Artigo
Formato
13 p.
Fonte
111920LCSC
Referência
Lopes, Samuel Ferreira , “Classificador neural para a predição do diagnóstico clínico de hepatites virais B e C,” Biblioteca digital de Trabalhos de Conclusão de Curso, acesso em 7 de maio de 2024, https://bdtcbra.omeka.net/items/show/318.