NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal
Ano de defesa: | 2014 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Viçosa
|
Programa de Pós-Graduação: |
Mestrado em Ciência da Computação
|
Departamento: |
Metodologias e técnicas da Computação; Sistemas de Computação
|
País: |
BR
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://locus.ufv.br/handle/123456789/2673 |
Resumo: | This 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. |
id |
UFV_41d7689b3b556a43af8ab3114240b71c |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/2673 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
|
spelling |
Ferreira, Tiago Geraldohttp://lattes.cnpq.br/5949823513168020Oliveira, Alcione de Paivahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788574J0Cerqueira, Fábio Ribeirohttp://lattes.cnpq.br/2788549078021456Siqueira-batista, Rodrigohttp://lattes.cnpq.br/79925890110481462015-03-26T13:10:40Z2014-12-032015-03-26T13:10:40Z2014-02-27FERREIRA, 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.http://locus.ufv.br/handle/123456789/2673This 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.Este 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.application/pdfporUniversidade Federal de ViçosaMestrado em Ciência da ComputaçãoUFVBRMetodologias e técnicas da Computação; Sistemas de ComputaçãoAprendizado do computadorInteligência artificialBioinformáticaSimulação computacionalLearning the computerArtificial intelligenceBioinformaticsComputer simulationCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAONICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatalNICeSim: an interactive simulator based on machine learning techniques to evaluate newborns in neonatal ICUinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdfapplication/pdf1042793https://locus.ufv.br//bitstream/123456789/2673/1/texto%20completo.pdf3dadfdb09511c1dbc681c3f323ac70bfMD51TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain106808https://locus.ufv.br//bitstream/123456789/2673/2/texto%20completo.pdf.txtb6aeab044189eca0af5aecfcbce7aa5dMD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3783https://locus.ufv.br//bitstream/123456789/2673/3/texto%20completo.pdf.jpg702a91750f5b4aa611a4a871690f756fMD53123456789/26732016-04-08 23:13:29.535oai:locus.ufv.br:123456789/2673Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-04-09T02:13:29LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.por.fl_str_mv |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
dc.title.alternative.eng.fl_str_mv |
NICeSim: an interactive simulator based on machine learning techniques to evaluate newborns in neonatal ICU |
title |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
spellingShingle |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal Ferreira, Tiago Geraldo Aprendizado do computador Inteligência artificial Bioinformática Simulação computacional Learning the computer Artificial intelligence Bioinformatics Computer simulation CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
title_full |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
title_fullStr |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
title_full_unstemmed |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
title_sort |
NICeSim: um simulador interativo baseado em técnicas de aprendizado de máquina para avaliação de recém-nascidos prematuros em UTI neonatal |
author |
Ferreira, Tiago Geraldo |
author_facet |
Ferreira, Tiago Geraldo |
author_role |
author |
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/5949823513168020 |
dc.contributor.author.fl_str_mv |
Ferreira, Tiago Geraldo |
dc.contributor.advisor-co1.fl_str_mv |
Oliveira, Alcione de Paiva |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4788574J0 |
dc.contributor.advisor1.fl_str_mv |
Cerqueira, Fábio Ribeiro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2788549078021456 |
dc.contributor.referee1.fl_str_mv |
Siqueira-batista, Rodrigo |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/7992589011048146 |
contributor_str_mv |
Oliveira, Alcione de Paiva Cerqueira, Fábio Ribeiro Siqueira-batista, Rodrigo |
dc.subject.por.fl_str_mv |
Aprendizado do computador Inteligência artificial Bioinformática Simulação computacional |
topic |
Aprendizado do computador Inteligência artificial Bioinformática Simulação computacional Learning the computer Artificial intelligence Bioinformatics Computer simulation CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
Learning the computer Artificial intelligence Bioinformatics Computer simulation |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
This 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. |
publishDate |
2014 |
dc.date.available.fl_str_mv |
2014-12-03 2015-03-26T13:10:40Z |
dc.date.issued.fl_str_mv |
2014-02-27 |
dc.date.accessioned.fl_str_mv |
2015-03-26T13:10:40Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FERREIRA, 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. |
dc.identifier.uri.fl_str_mv |
http://locus.ufv.br/handle/123456789/2673 |
identifier_str_mv |
FERREIRA, 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. |
url |
http://locus.ufv.br/handle/123456789/2673 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.publisher.program.fl_str_mv |
Mestrado em Ciência da Computação |
dc.publisher.initials.fl_str_mv |
UFV |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Metodologias e técnicas da Computação; Sistemas de Computação |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/2673/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/2673/2/texto%20completo.pdf.txt https://locus.ufv.br//bitstream/123456789/2673/3/texto%20completo.pdf.jpg |
bitstream.checksum.fl_str_mv |
3dadfdb09511c1dbc681c3f323ac70bf b6aeab044189eca0af5aecfcbce7aa5d 702a91750f5b4aa611a4a871690f756f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1794528637275340800 |