Classificação de doenças pulmonares obstrutivas crónicas

Abstract

O presente trabalho tem como objetivo principal a aplicação de modelos de classificação que auxilie os profissionais de saúde, no diagnóstico de doenças pulmonares obstrutivas crónicas (DPOC), ou seja, através da implementação de técnicas de aprendizagem automática que identifiquem potenciais doentes a partir de um conjunto de características demográficas dos indivíduos e características extraídas previamente de amostras das suas salivas. Os modelos estudados serão: rede neuronal artificial (RNA), o algoritmo K-ésimo Vizinho mais Próximo (K-NN), as Árvores de decisão (AD) e o Sistema de votação. Os resultados experimentais foram obtidos pela realização de simulações em cada uma das aplicações desenvolvidas, e o desempenho dos classificadores foram avaliados através de métricas de desempenho dos sistemas de classificação e matrizes de confusão. Os resultados mostram-se promissores, visto que, os modelos foram capazes de discriminar dois universos separáveis: doentes com DPOC e saudáveis.

This work has as a primary goal the application of classification models that helps the health professionals in the diagnosis of chronic pulmonary diseases (COPD). As a matter of fact, it's helpful to use the implementation of machine learning techniques that identify potential patients by a demographic feature set and previously characteristics extracted from their saliva. The studied models are the artificial neuronal network, the k-nearest neighbors (K-NN) algorithm, the Decision Trees (DT) and the Voting System. The experimental results were obtained throught simulations for each model, and the classifier's performance evaluated by the classification systems metrics and confusion matrices. The results were promising, considering that the models were abled to discriminate between two groups: COPD and healthy patients.