02 - Mestrado - Ciência da Computação
URI Permanente para esta coleção
Navegar
Navegando 02 - Mestrado - Ciência da Computação por Autor "Artoni, Arthur Alexandre"
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
Item Aplicação de aprendizado de máquina no auxílio ao diagnóstico do transtorno do espectro autistaArtoni, Arthur Alexandre; Barbosa, Cinthyan Renata Sachs Camerlengo de [Orientador]; Morandini, Marcelo; Baccarin, Evandro; Campos, Vitor Valério de SouzaResumo: Mesmo com os constantes avanços da medicina, o diagnóstico de transtornos mentais é um desafio para profissionais da área Dentre esses está o Transtorno do Espectro Autista (TEA), que é uma patologia muito comum que afeta a parte comportamental, social e de comunicação do indivíduo Porém identificá-lo é complexo, uma vez que não existem exames de imagens ou de sangue capazes de apontar o TEA e seu diagnóstico é feito apenas por análise comportamental Diversas técnicas podem ser utilizadas, como o uso de escalas diagnósticas que contém questionários específicos formulados por especialistas, que servem como guia no processo de diagnóstico Neste trabalho o Aprendizado de Máquina (AM) foi empregado em três bases de dados contendo resultados dos testes AQ-1 para adultos, adolescentes e crianças; além de outras características que poderiam influenciar no diagnóstico do TEA Experimentos foram realizados nas bases de dados a fim de elencar quais atributos seriam realmente relevantes para o diagnóstico do TEA utilizando AM Para a seleção dos atributos, a Random Forest foi utilizada como ferramenta para fazer um ranqueamento de 23 atributos presentes na base Em duas das três bases de dados foi possível reduzir o número de atributos para apenas 5, mantendo uma Acurácia acima de 9 Na outra Base de Dados para manter o mesmo nível de Acurácia, o menor número de atributos utilizado foi 7 A Suport Vector Machine se destacou dos demais algoritmos usados neste trabalho, obtendo resultados superiores em todos os cenários