Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Azzi, Juliana Baroni
 |
| Orientador(a): |
Silva, Robson Mariano da |
| Banca de defesa: |
Bellini, Reinaldo,
Delgado, Angel Ramon Sanchez |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal Rural do Rio de Janeiro
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Modelagem Matemática e Computacional
|
| Departamento: |
Instituto de Ciências Exatas
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
https://rima.ufrrj.br/jspui/handle/20.500.14407/14332
|
Resumo: |
Este trabalho engloba técnicas de Inteligência Computacional (IC), como a Máquina de Vetor de Suporte (SVM) e a Regressão Linear Múltipla, a fim de classificar os 303 pacientes presentes na base de dados pública “Heart Disease Database”, como cardiopatas ou não, a partir de uma série de informações concebidas em exames periódicos realizados nos mesmos. Em busca de reduzir ou antecipar o diagnóstico de cardiopatias, doenças que estão no topo da lista das que mais matam ao redor de todo o mundo, ambas as técnicas foram escolhidas para esta aplicação, baseando em experiências anteriores similares à realizada nesta dissertação, levando em consideração seus desempenhos satisfatórios. Buscando ser um método capaz de auxiliar médicos no diagnóstico de doenças cardiovasculares (DCV), esta comparação tornou-se necessária para a diminuição de diagnósticos errôneos. A partir das informações coletadas, obtivemos um valor de 77% de acurácia, 91% de sensibilidade, 69% de especificidade e 9% de Falso Negativo para a melhor simulação da técnica de Máquina de Vetor de Suporte, enquanto para as simulações feitas com seleção de variáveis por Regressão Linear Múltipla, foram obtidos 85%, 86%, 84% e 14% respectivamente, confirmando estudos anteriores que mostram que a Inteligência Computacional, pode sim ser um auxiliador de diagnóstico de doenças cardiovasculares, contando com a associação de simples informações como: idade, gênero, pressão arterial, colesterol, glicose no sangue, ritmo cardíaco máximo alcançado, angina induzida por exercício e depressão da onda ST, aplicados à Máquina de Vetor de Suporte, que apesar de ter uma acurácia um pouco mais baixa, apresentou um melhor desempenho com relação aos resultados Falsos Negativos, assim obtendo um resultado mais satisfatório. |
