Estudo de algoritmos bio-inspirados e aprendizado de máquina aplicados à doenças cardiovasculares
Carregando...
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2024-12-11
Autores
Rodrigues, Lucas Medeiros
Orientador
Rodrigues, Paulo Sérgio Silva
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
algoritmos bio-inspirados ,SVM,PCA,bio-inspired algorithm,doenças cardiovasculares,cardiovascular diseases
Resumo
A proposta deste trabalho teve como objetivo realizar um estudo comparativo do uso de uma rede do tipo MLP e algoritmos Bioinspirados para predição de doenças cardíacas, um problema grave na saúde de muitas pessoas. Usando a base dados UCI Heart Disease Dataset, foram aplicadas as técnicas análise de componentes principais e a Decomposição em valores singulares para redução de dimensionalidade com a finalidade de melhorar o desempenho dos modelos. A MLP foi implementada com cinco camadas, enquanto o algoritmo biosinpirado escolhido, Optimização por enxame de partículas (PSO) foi configurado com trinta partículas. Métricas como acurácia, precisão, recall e F1 score foram utilizadas a fim de comparar seus desempenhos. Os resultados obtidos ajudam a entender as vantagens e desvantagens de cada abordagem, possibilitando uma análise comparativa do uso dos modelos em diferentes cenários, onde foi possível observar resultados de até 85% de acurácia.
The aim of this study was to conduct a comparative analysis between the use of a Multilayer Perceptron (MLP) network and bio-inspired algorithms for predicting heart diseases, a significant health issue for many individuals. Using the UCI Heart Disease Dataset, techniques such as Principal Component Analysis and Singular Value Decomposition were applied for dimensionality reduction, aiming to improve the models’ performance. The MLP was implemented with five layers, while the chosen bio-inspired algorithm, Particle Swarm Optimization (PSO), was configured with thirty particles. Metrics such as accuracy, precision, recall, and F1 score were used to compare their performances. The obtained results provide insights into the advantages and disadvantages of each approach, enabling a comparative analysis of the models in different scenarios, where accuracy rates of up to 85% were observed.
The aim of this study was to conduct a comparative analysis between the use of a Multilayer Perceptron (MLP) network and bio-inspired algorithms for predicting heart diseases, a significant health issue for many individuals. Using the UCI Heart Disease Dataset, techniques such as Principal Component Analysis and Singular Value Decomposition were applied for dimensionality reduction, aiming to improve the models’ performance. The MLP was implemented with five layers, while the chosen bio-inspired algorithm, Particle Swarm Optimization (PSO), was configured with thirty particles. Metrics such as accuracy, precision, recall, and F1 score were used to compare their performances. The obtained results provide insights into the advantages and disadvantages of each approach, enabling a comparative analysis of the models in different scenarios, where accuracy rates of up to 85% were observed.