Diagnóstico de câncer de mama utilizando aprendizado de máquina
| dc.contributor.advisor | Silva, Everton Josué da | |
| dc.contributor.author | Pedrosa, Lucas Dias | |
| dc.contributor.referee | Oliveira, Fábio Feliciano de | |
| dc.contributor.referee | Sovat, Ricardo Barz | |
| dc.date.accessioned | 2024-11-11T21:03:36Z | |
| dc.date.available | 2024-11-11T21:03:36Z | |
| dc.date.issued | 2022-11-10 | |
| dc.description.abstract | Algoritmos de aprendizado de máquina surgiram com a necessidade de automatizar a construção de modelos analíticos, identificando padrões e tomando decisões com o mínimo de interferência humana. Na área da medicina, possibilitou o auxílio em diagnósticos e o suporte à decisão clínica, ajudando profissionais e pacientes de diversas maneiras e melhorando a qualidade do atendimento clínico. O objetivo deste trabalho é aplicar quatro diferentes algoritmos de aprendizado de máquina em uma base de dados para a criação de quatro modelos diferentes, onde cada modelo terá o seu desempenho preditivo calculado. Este trabalho utilizou um conjunto de dados de câncer de mama para os treinamentos dos modelos, e foi feita uma análise comparativa dos resultados para identificar o desempenho preditivo de cada modelo criado, baseado em métricas de desempenho, como Precisão, Acurácia, Área Sob a Curva (AUC) e recall. | |
| dc.description.abstract2 | Machine learning algorithms emerged with the need to automate the building of analytical models, identifying patterns and making decisions with minimum human interference. In the medical field, it made it possible to support the diagnosis and the clinical decision, helping professionals and patients in several ways possible, improving the quality of the clinical care. The purpose of this work is to apply four different Machine Learning algorithms in a dataset to create four different models, where each model will have its predictive performance calculated. This project used a breast cancer dataset for the training of the models, and a comparative analysis of the results was made to identify the predictive performance of each created model, based on performance metrics, such as Precision, Accuracy, Area Under the Curve (AUC) and recall. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.bibliographicCitation | PEDROSA, Lucas Dias. Diagnóstico de câncer de mama utilizando aprendizado de máquina. 2022. 38 f. Trabalho de Conclusão de Curso (Graduação) - Tecnologia em Análise e Desenvolvimento de Sistemas, Instituto Federal de Educação, Ciência e Tecnologia de São Paulo, Campus Campinas, 2022. | |
| dc.identifier.uri | https://repositorio.ifsp.edu.br/handle/123456789/1709 | |
| dc.publisher | Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP) | |
| dc.publisher.campi | CAMPINAS | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject.keywords | Aprendizado de máquina | |
| dc.subject.keywords | Algoritmos | |
| dc.subject.keywords | Mamas-câncer-diagnóstico | |
| dc.subject.keywords | Radiofrequência | |
| dc.title | Diagnóstico de câncer de mama utilizando aprendizado de máquina | |
| dc.title.alternative | Breast cancer diagnosis using machine learning | |
| dc.type | Trabalhos de Conclusão de Curso de Graduação |