@MASTERSTHESIS{ 2015:362616165,
 	title = {Avalia??o da gravidade da mal?ria utilizando t?cnicas de extra??o de caracter?sticas e redes neurais artificiais},
 	year = {2015},
 	url = "http://tede.ufam.edu.br/handle/tede/4093",
 	abstract = "Cerca de metade da popula??o mundial vive em ?reas de risco da mal?ria. Al?m disso, dada a
 globaliza??o das viagens, essas doen?as que antes eram consideradas ex?ticas e
 principalmente tropicais s?o cada vez mais encontradas em salas de emerg?ncia de hospitais
 no mundo todo. E frequentemente quando se trata de experi?ncia em doen?as tropicais, a
 opini?o de especialistas na maioria das vezes est? indispon?vel ou n?o acess?vel em tempo
 h?bil. A tarefa de chegar a um diagn?stico da mal?ria preciso e eficaz, fundamental na pr?tica
 m?dica, pode tornar-se complexa. E a complexidade desse processo aumenta ? medida que os
 pacientes apresentam sintomas n?o espec?ficos com uma grande quantidade de dados e
 informa??o imprecisa envolvida. Nesse sentido, Uzoka e colaboradores (2011a), a partir de
 informa??es cl?nicas de 30 pacientes nigerianos com diagn?stico confirmado de mal?ria,
 utilizaram a metodologia Analytic Hierarchy Process (AHP) e metodologia Fuzzy para
 realizar a avalia??o da gravidade da mal?ria. Os resultados obtidos foram comparados com o
 diagn?stico de m?dicos especialistas. Esta disserta??o desenvolve uma nova metodologia para
 avalia??o da gravidade da mal?ria e a compara com as t?cnicas utilizadas por Uzoka e
 colaboradores (2011a). Para tal o conjunto de dados utilizados ? o mesmo do referido estudo.
 A t?cnica utilizada ? a de Redes Neurais Artificiais (RNA). S?o avaliadas tr?s arquiteturas
 com diferentes n?meros de neur?nios na camada escondida, duas metodologias de
 treinamento (leave-one-out e 10-fold cross-validation) e tr?s crit?rios de parada, a saber: o
 erro m?dio quadr?tico, parada antecipada e regulariza??o. Na primeira fase, ? utilizado o
 banco de dados completo. Posteriormente, s?o utilizados os m?todos de extra??o de
 caracter?sticas: na segunda fase, a An?lise dos Componentes Principais (do ingl?s, Principal
 Component Analysis - PCA) e na terceira fase, a An?lise Discriminante Linear (do ingl?s,
 Linear Discriminant Analysis ? LDA). O melhor resultado obtido nas tr?s fases, foi com o
 banco de dados completo, utilizando o crit?rio de regulariza??o, associado ao leave-one-out,
 de 83.3%. J? o melhor resultado obtido em (Uzoka, Osuji e Obot, 2011) foi com a rede fuzzy
 onde obteve 80% de acur?cia.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Engenharia El?trica},
 	note = {Faculdade de Tecnologia}
}