Please use this identifier to cite or link to this item: https://hdl.handle.net/1822/84391

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMachado, José Manuelpor
dc.contributor.authorCosta, Eduardo João Gomes Teixeira dapor
dc.date.accessioned2023-05-10T15:14:13Z-
dc.date.available2023-05-10T15:14:13Z-
dc.date.issued2022-12-13-
dc.date.submitted2022-10-
dc.identifier.urihttps://hdl.handle.net/1822/84391-
dc.descriptionDissertação de mestrado integrado em Engenharia Informáticapor
dc.description.abstractO Acidente Vascular Cerebral (AVC) foi, em 2020, a segunda principal causa de morte no mundo e primeira no que toca a incapacidade. Com a motivação de contribuir para ajudar a reduzir os números que são alarmantes e continuam a crescer, surge este projeto, do qual se pretende que resultem modelos que possam tentar prever se um indivíduo irá, ou não, ser vítima deste problema e descobrir quais as suas características ou dados clínicos que mais influenciam esta previsão, pois, segundo a Sociedade Portuguesa de Medicina Interna (SPMI), 80% dos casos podem ser prevenidos[1]. Para o efeito, o projeto a desenvolver incluirá uma recolha e tratamento de datasets que organizem dados clínicos de vários pacientes e a incidência desta problemática, um estudo acerca das técnicas e algoritmos de Machine Learning mais adequados aos modelos a desenvolver, sendo depois aplicados através de modelos de Data Mining (DM), dando uso a ferramentas como Weka e RapidMiner, para indução dos modelos de previsão, assim como algoritmos em linguagens como Python e R, conjugando, assim, os factos de que "o setor da saúde é rico em informação, e o Data Mining está a tornar-se uma necessidade"[2]. Finalmente, estes modelos serão testados, validados e comparados, do qual resulta esta dissertação.por
dc.description.abstractStroke was, in 2020, the second leading cause of death in the world and the first in terms of disability. With the motivation of contributing to help reduce these alarming numbers, which continue to grow, this project arose, which aims to produce models that can try to predict whether or not an individual will be a victim of this problem and discover which characteristics or clinical data most influence this prediction, since, according to the Portuguese Society of Internal Medicine (SPMI), 80% of cases can be prevented[1]. To this end, the project to be developed will include the collection and processing of datasets that organize clinical data from several patients and the incidence of this problem, a study on the techniques and algorithms of Machine Learning more suitable for the models to be developed, These will then be applied through Data Mining (DM) models, using tools such as Weka and RapidMiner to induce the prediction models, as well as algorithms in languages such as Python, thus combining the facts that " because healthcare sector is rich with information, and data mining is becoming a necessity”[2]. Finally, these models will be tested, validated and compared, resulting in this dissertation.por
dc.language.isoporpor
dc.rightsopenAccesspor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/por
dc.subjectMineração de dadospor
dc.subjectAprendizagem automáticapor
dc.subjectAcidente Vascular Cerebralpor
dc.subjectPrevisãopor
dc.subjectData miningpor
dc.subjectMachine learningpor
dc.subjectStrokepor
dc.subjectPredictionpor
dc.titleAlgoritmos de aprendizagem automática para previsão de AVCpor
dc.typemasterThesiseng
dc.identifier.tid203261771por
thesis.degree.grantorUniversidade do Minhopor
sdum.degree.grade17 valorespor
sdum.uoeiEscola de Engenhariapor
dc.subject.fosEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informáticapor
Appears in Collections:BUM - Dissertações de Mestrado
DI - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
Eduardo Joao Gomes Teixeira da Costa.pdf2,91 MBAdobe PDFView/Open

This item is licensed under a Creative Commons License Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID