{"title":"Utilização de Técnicas de Inteligência Computacional na Caracterização de Pacientes com Doenças Cardiovasculares","authors":"Juliana Baroni, Robson Mariano Oliveira Silva","doi":"10.18605/2175-7275/CEREUS.V10N4P160-171","DOIUrl":null,"url":null,"abstract":"Por estarem do topo da lista das doencas que mais matam no mundo, as Doencas Cardiovasculares estao assustando cada vez mais a classe medica, devido aos seus numeros alarmantes, sendo assim tecnicas de Inteligencia Computacional foram utilizadas para caracterizar pacientes da base de dados publica “ Heart Disease Database ”, como cardiopatas ou nao, a partir das variaveis fornecidas pela base. Maquina de Vetor de Suporte (SVM) e Regressao Linear Multipla, foram escolhidas por terem desempenhos satisfatorios em aplicacoes similares na literatura. O modelo em que as variaveis foram diretamente introduzidas ao SVM, conseguiu em sua melhor simulacao uma acuracia de 77%, sensibilidade de 91%, especificidade de 69% e falso negativo de 9%, enquanto na simulacao em que as variaveis foram selecionadas por Regressao, os indices representaram 85%, 86%, 84% e 14%, respectivamente. O fator considerado mais importante foi o falso negativo, confirmando o melhor desempenho do modelo de SVM.","PeriodicalId":208128,"journal":{"name":"Revista Cereus","volume":"7 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Cereus","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18605/2175-7275/CEREUS.V10N4P160-171","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Por estarem do topo da lista das doencas que mais matam no mundo, as Doencas Cardiovasculares estao assustando cada vez mais a classe medica, devido aos seus numeros alarmantes, sendo assim tecnicas de Inteligencia Computacional foram utilizadas para caracterizar pacientes da base de dados publica “ Heart Disease Database ”, como cardiopatas ou nao, a partir das variaveis fornecidas pela base. Maquina de Vetor de Suporte (SVM) e Regressao Linear Multipla, foram escolhidas por terem desempenhos satisfatorios em aplicacoes similares na literatura. O modelo em que as variaveis foram diretamente introduzidas ao SVM, conseguiu em sua melhor simulacao uma acuracia de 77%, sensibilidade de 91%, especificidade de 69% e falso negativo de 9%, enquanto na simulacao em que as variaveis foram selecionadas por Regressao, os indices representaram 85%, 86%, 84% e 14%, respectivamente. O fator considerado mais importante foi o falso negativo, confirmando o melhor desempenho do modelo de SVM.