Métodos de aprendizado de máquina aplicados para a previsão de prematuridade e do peso ao nascer no Brasil com base em dados públicos.

Autores/as

  • Saulo A. Araujo
  • João V. R. dos Santos
  • Vinícius C. Gandolfi
  • Cristiano Torezzan

Resumen

O crescente uso de ferramentas de Aprendizado de Máquina (AM), ou de forma mais geral, de técnicas de Inteligência Artificial, tem impactado diversas áreas do conhecimento. Um dos grandes desafios para o uso dessas ferramentas é a disponibilidade de dados para o treinamento dos modelos. Esse problema é ainda mais relevante na área da saúde, pois há muitos dados sensíveis ou privados, que demandam cuidados específicos para sua divulgação. [...]

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Saulo A. Araujo

IMECC, Campinas, SP

João V. R. dos Santos

IMECC, Campinas, SP

Vinícius C. Gandolfi

FCA/UNICAMP, Limeira, SP

Cristiano Torezzan

FCA/UNICAMP, Limeira, SP

Citas

H. Â. D. C. Ramos e R. K. N Cuman. “Fatores de risco para prematuridade: pesquisa documental”. Em: Escola Anna Nery Revista de Enfermagem 13 (2009), pp. 297–304.

A. F. M. Batista e A. D. P. Chiavegatto. “Machine Learning Aplicado à Saúde”. Em: Minicursos do XIX Simpósio Brasileiro de Computação Aplicada à Saúde. Sociedade Brasileira de Computação, 2019. Cap. 1, pp. 1–42. isbn: 978-85-7669-472-4.

S. S. Carvalho e et al. “Fatores maternos para o nascimento de recém-nascidos com baixo peso e prematuros: estudo caso-controle”. Em: Ciência e Saúde 9.2 (2016), pp. 76–82.

A. Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 2a. ed. O’Reilly Media, 2019.

A. F. Oliveira. “Testes estatísticos para comparação de médias”. Em: Revista Eletrônica Nutritime 5.6 (2008), pp. 777–788.

Publicado

2023-12-18

Número

Sección

Resumos