Use este identificador para citar ou linkar para este item: https://locus.ufv.br//handle/123456789/2673
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorFerreira, Tiago Geraldo
dc.date.accessioned2015-03-26T13:10:40Z-
dc.date.available2014-12-03
dc.date.available2015-03-26T13:10:40Z-
dc.date.issued2014-02-27
dc.identifier.citationFERREIRA, Tiago Geraldo. NICeSim: an interactive simulator based on machine learning techniques to evaluate newborns in neonatal ICU. 2014. 71 f. Dissertação (Mestrado em Metodologias e técnicas da Computação; Sistemas de Computação) - Universidade Federal de Viçosa, Viçosa, 2014.por
dc.identifier.urihttp://locus.ufv.br/handle/123456789/2673-
dc.description.abstractEste trabalho descreve o NICeSim, um simulador disponível gratuitamente e de có- digo aberto que usa técnicas de aprendizagem de máquina para auxiliar os profissi- onais de saúde na obtenção de uma melhor avaliação, em termos de prognóstico, de recém-nascidos prematuros em unidades de terapia intensiva neonatal. A aplicação foi desenvolvida e testada usando um banco de dados coletado em um hospital público de ensino localizado na cidade de Viçosa, em Minas Gerais. Os dados disponíveis foram utilizados para alimentar um pipeline de aprendizagem de máquina que foi projetado para criar um simulador capaz de prever a probabilidade de morte para recém-nascidos internados em unidades de terapia intensiva neonatal. Aqui, apresentamos as técni- cas que são a base do simulador, algoritmos de redes neurais e máquinas de vetores suporte foram utilizados como motor e aprendizagem para a ferramenta desenvolvida. Aprensentaremos também alguns resultados obtidos com o conjunto de dados men- cionado acima. Nossos experimentos estatísticos mostraram que o modelo resultante para predição de óbito alcançou uma precisão de 86,7% nos melhores casos. Esta exa- tidão significativa do NICeSim demonstra que o mesmo pode ser utilizado para testes de hipóteses. De fato, em um experimento realizado por dois médicos, três atributos principais foram avaliados para compreender como eles afetam o risco de morte. Os resultados mostraram que o modelo fornece previsões que estão em boa concordância com a literatura, demonstrando que NICeSim pode ser uma importante ferramenta de apoio à tomada de decisão na prática clínica. Mais do que isso, o método pode ser utilizado como um molde para a criação de soluções computacionais semelhantes para ixoutros cenários de interesse que existam em problemas de domínios diferentes, desde que dados adequados sejam providos.pt_BR
dc.description.abstractThis work describes the NICeSim, a freely available and open source simulator that uses machine learning techniques (ML) to assist health professionals in obtaining a bet- ter assessment in terms of prognosis of preterm infants in neonatal intensive care units (neonatal ICUs). The application was developed and tested using a database collected in a public teaching hospital located in the city of Viçosa, Minas Gerais. The available data were used to feed a pipeline of ML that was designed to create a simulator able to predict the probability of death for newborns admitted in neonatal ICUs. Here, we present the techniques used as base for the development of the simulator, artificial neural network and support vector machines algorithms were used as the machine learn engines of the application. We ll also discuss some results from statistical and practical tests using the data set mentioned above. Our statistical experiments showed that the resulting model to predict death achieved an accuracy of 86.7% in best case scenarios. This significant accuracy demonstrates that NICeSim can be used for hypothesis tes- ting. In fact, in an experiment conducted by two doctors, three main attributes were evaluated to understand how they affect the risk of death. The results showed that the model provides predictions that are in good agreement with the literature, showing that NICeSim can be an important tool to support decision making in clinical practice. More than that, the method can be used as a template for the creation of similar solu- tions to other computing scenarios of interest, even if those belong to different problem domains, given that appropriate data is provided.eng
dc.description.sponsorship
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de Viçosapor
dc.rightsAcesso Abertopor
dc.subjectAprendizado do computadorpor
dc.subjectInteligência artificialpor
dc.subjectBioinformáticapor
dc.subjectSimulação computacionalpor
dc.subjectLearning the computereng
dc.subjectArtificial intelligenceeng
dc.subjectBioinformaticseng
dc.subjectComputer simulationeng
dc.titleNICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatalpor
dc.title.alternativeNICeSim: an interactive simulator based on machine learning techniques to evaluate newborns in neonatal ICUeng
dc.typeDissertaçãopor
dc.contributor.authorLatteshttp://lattes.cnpq.br/5949823513168020por
dc.contributor.advisor-co1Oliveira, Alcione de Paiva
dc.contributor.advisor-co1Latteshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788574J0por
dc.publisher.countryBRpor
dc.publisher.departmentMetodologias e técnicas da Computação; Sistemas de Computaçãopor
dc.publisher.programMestrado em Ciência da Computaçãopor
dc.publisher.initialsUFVpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.contributor.advisor1Cerqueira, Fábio Ribeiro
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2788549078021456por
dc.contributor.referee1Siqueira-batista, Rodrigo
dc.contributor.referee1Latteshttp://lattes.cnpq.br/7992589011048146por
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
texto completo.pdf1,02 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.