@MASTERSTHESIS{ 2022:501383158,
 	title = {Predi??o de mortalidade de pacientes com traumatismo cranioencef?lico no Brasil usando t?cnicas de aprendizagem de m?quina},
 	year = {2022},
 	url = "https://tede.ufam.edu.br/handle/tede/8759",
 	abstract = "Esse trabalho prop?e, de forma original, a utiliza??o de redes neurais convolutivas para a predi??o da mortalidade em at? 14 dias de pacientes com trauma cr?nio encef?lico. O desempenho das redes neurais ? comparado com o desempenho de outras ferramentas cl?ssicas de aprendizado de m?quina, como regressor log?stico, perceptron multicamadas, m?quina de vetores de suporte, ?rvores de decis?o e floresta rand?mica. Na simula??o dos modelos utilizando redes neurais, diversos m?todos de otimiza??o foram utilizados, como RMSProp, Adam, Adamax e SGDM. A base de dados utilizadas ? constitu?da de 529 registros e 16 vari?veis preditoras, tendo sido obtida no Hospital das Cl?nicas (S?o Paulo, Brasil). Devido a presen?a de muitos valores ausentes nas vari?veis preditoras prop?e-se e avaliou-se dois procedimentos para o preenchimento dos valores ausentes das mesmas, utilizando m?todos como ?rvore de decis?o, floresta rand?mica, k-vizinho mais pr?ximo e regress?o linear. Os melhores resultados obtidos para a taxa de predi??o foram precis?o de 0,845 e ?rea sob a curva ROC de 0,911",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Engenharia El?trica},
 	note = {Faculdade de Tecnologia}
}