Técnicas Computacionais para Diagnóstico de Síndrome dos Ovários Policísticos: Uma Análise Comparativa

• Roney Nogueira de Sousa IFCE
• Ana Júlia Lopes de Brito UFC

DOI: https://doi.org/10.5753/ercas.2024.238700

Resumo

Este artigo compara diferentes classificadores de machine learning para identificar pacientes com síndrome de ovários policísticos, utilizando uma base de dados pública. Foram aplicadas técnicas como normalização z-score, remoção de outliers e balanceamento com SMOTE, com validação cruzada k-fold. O algoritmo Random Forest se destacou, atingindo uma acurácia de 93,20%.

Referências

Dabravolski, S. A., Nikiforov, N. G., Eid, A. H., Nedosugova, L. V., Starodubova, A. V., Popkova, T. V., Bezsonov, E. E., and Orekhov, A. N. (2021). Mitochondrial dysfunction and chronic inflammation in polycystic ovary syndrome. International journal of molecular sciences, 22(8):3923.

de Souza Pena, V., Gonçalves, A. C. R., Vieira, I. R., de Sousa, M. R., de Souza, A. C. D., La Croix, L. M. d. O., Fernandes, B. B., and da Cunha Gonçalves, S. J. (2022). Uma análise sobre as características da síndrome dos ovários policísticos: uma revisão de literatura. Revista Eletrônica Acervo Médico, 4:e9996–e9996.

Piccini, C. D., dos Santos Michelon, E., Medeiros, A. G., Heinen, C. A., Maranghelli, G. S., and von Eye Corleta, H. (2020). Síndrome dos ovários policísticos, complicações metabólicas, cardiovasculares, psíquicas e neoplásicas de longo prazo: uma revisão sistematizada. Clinical and Biomedical Research, 40(3).

Raperport, C. and Homburg, R. (2019). The source of polycystic ovarian syndrome. Clinical Medicine Insights: Reproductive Health, 13:1179558119871467.