Otimização Automática de Classificadores para Auxiliar no Diagnóstico da Depress ão

  • Renata Cristina Santana
  • Thiago Henriques N. de Lima
  • Saulo A. P. Pinto
  • Luis E. Zárate
  • Cristiane N. Nobre
DOI: https://doi.org/10.5753/sbcas.2018.3678

Resumo


A depressão é uma doença que atinge milhões de pessoas em todo o mundo. Ela é relacionada de modo complexo a fatores biológicos, sociais e psicológicos. Este trabalho apresenta resultados preliminares da utilização do pacote Auto-WEKA para encontrar automaticamente classificadores que tenham bom desempenho para predizer se uma pessoa desenvolveu depressão ou não. Classificadores combinados com redução automática de atributos como Random Forest, Best Fit e Correlation-based Subset Selection, alcançaram taxas de acerto, sensibilidade e especificidade de 100%, o que indica que são uma alternativa promissora para auxiliar profissionais daárea médica no processo de diagnóstico da depressão.

Publicado
26/07/2018
Como Citar

Selecione um Formato
SANTANA, Renata Cristina; DE LIMA, Thiago Henriques N.; PINTO, Saulo A. P.; ZÁRATE, Luis E.; NOBRE, Cristiane N.. Otimização Automática de Classificadores para Auxiliar no Diagnóstico da Depress ão. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 18. , 2018, Natal. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . ISSN 2763-8952. DOI: https://doi.org/10.5753/sbcas.2018.3678.