Modelo preditivo para identificar pessoas infectadas com Sars-Cov-2 através de exames de sangue

Página do item simplificado
dc.contributor.advisorHenrique Porto Ferreira, Charles
dc.contributor.authorSilva do Rosário, Eduardo
dc.contributor.authorRibeiro dos Santos, Diego
dc.contributor.authorLeandro, Jonathan
dc.contributor.authorNascimento Sergio, Matheus
dc.contributor.authorMinoru Kobashikawa, Marcelo
dc.coverage.spatialSão Paulopt_BR
dc.date.accessioned2022-06-28T21:28:04Z
dc.date.available2022-06-28T21:28:04Z
dc.date.issued2022-06-28
dc.description.abstractUm dos maiores problemas da idade contemporânea é a velocidade de transmissão de vírus e doenças, como foi possível observar em 2019 com a pandemia da Sars-Cov-2 ou Covid-19. Por se tratar de um novo vírus, um dos principais desafios é o de identificar pessoas infectadas de uma forma ágil utilizando recursos acessíveis de modo a frear a transmissão da doença inicialmente desconhecida. O exame de sangue além de ser facilmente acessível, é uma das formas de descobrir enfermidades no organismo mesmo que não manifestem sintomas. Esses pontos motivam a criação do projeto através das informações obtidas nesse exame, com o propósito de acelerar o diagnóstico de qualquer novo vírus ou doença que surgir e conter o rápido avanço dela entre a população. Utilizando como referência os dados coletados durante a Covid-19, por se tratar do vírus mais atual descoberto, o objetivo desse trabalho baseando-se em outra pesquisa é treinar modelos de algoritmos preditivos capazes de predizer se o paciente pode estar infectado com base nas amostras sanguíneas. Utilizando a base de dados de instituições públicas e privadas, os algoritmos combinados com diferentes técnicas de balanceamento realizaram uma série de treinos e testes, gerando taxas de acerto com uma variação de até 13,7%.pt
dc.format.extent10pt_BR
dc.identifier.urihttps://repositorio.animaeducacao.com.br/handle/ANIMA/23411
dc.language.isoptpt_BR
dc.rightsAtribuição-NãoComercial-SemDerivados 3.0 Brasil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectAprendizado de Máquinapt_BR
dc.subjectAlgoritmo Preditivopt_BR
dc.subjectCovid-19pt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectVíruspt_BR
dc.titleModelo preditivo para identificar pessoas infectadas com Sars-Cov-2 através de exames de sanguept_BR
dc.typeArtigo Científicopt_BR
local.author.cursoEngenharia de Computaçãopt_BR
local.author.unidadeUAM / Vila Olímpiapt_BR
local.contributor.coadvisorRogerio Nietto, Paulo
local.dateissued.semester1pt_BR
local.modalidade.estudoPresencialpt_BR
local.rights.policyAcesso fechadopt_BR
local.subject.areaEngenhariaspt_BR
local.subject.areaanimaEngenhariaspt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
tcc v.Final_Corrigido.pdf
Tamanho:
455.63 KB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.15 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Engenharia de Computação
Direitos autorais © 2023 ÂNIMA.
Todos os direitos reservados.