| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 647.21 KB | Adobe PDF |
Advisor(s)
Abstract(s)
Cardiotocography is a diagnostic exam performed from the 28th week of pregnancy that registers the fetus cardiac frequency and uterine contractions. From this exam results a cardiotocogram whose reading and observation of the patterns contained in it allow an evaluation of the baby's condition and the fetal vitality in the maternal womb. This work aims the creation of a classification model using Learning Algorithms/Data Mining using the tool Rapid Miner. The subject of study was a Data Set with information registered from a total of 2126 cardiotograms, with 23 attributes, properly classified by 3 specialized obstetricians as to the baby status, in three possible states, namely: N = Normal; S = Suspect; P = Pathologic. All models tested showed an overall accuracy greater than 80%. Therefore the usefulness of creating predictive models for the classification of this type of diagnosis is great.
A cardiotocografia é um exame de diagnóstico realizado a partir das 28 semanas da gravidez que regista a frequência cardíaca do feto e as contrações uterinas. Deste exame resulta um cardiotocograma cuja leitura e observação de padrões nos registos nele contidos, permitem uma aferição da condição do bebé e da vitalidade fetal no útero materno. Este trabalho propõe a criação de um modelo de classificação utilizando Algoritmos de Aprendizagem/Data Mining com recurso à ferramenta Rapid Miner. Foi objeto de estudo um ficheiro de dados com informação registada a partir de um total de 2126 carditocogramas, com 23 atributos, devidamente classificados por três obstetras especializados quanto ao estado do bebé, em três estados possíveis, nomeadamente: N = Normal; S = Suspeito; P = Patológico. Todos os modelos testados revelaram uma acuidade global superior a 80%. Concluindo-se assim a utilidade da criação de modelos de previsão para a classificação deste tipo de diagnóstico.
A cardiotocografia é um exame de diagnóstico realizado a partir das 28 semanas da gravidez que regista a frequência cardíaca do feto e as contrações uterinas. Deste exame resulta um cardiotocograma cuja leitura e observação de padrões nos registos nele contidos, permitem uma aferição da condição do bebé e da vitalidade fetal no útero materno. Este trabalho propõe a criação de um modelo de classificação utilizando Algoritmos de Aprendizagem/Data Mining com recurso à ferramenta Rapid Miner. Foi objeto de estudo um ficheiro de dados com informação registada a partir de um total de 2126 carditocogramas, com 23 atributos, devidamente classificados por três obstetras especializados quanto ao estado do bebé, em três estados possíveis, nomeadamente: N = Normal; S = Suspeito; P = Patológico. Todos os modelos testados revelaram uma acuidade global superior a 80%. Concluindo-se assim a utilidade da criação de modelos de previsão para a classificação deste tipo de diagnóstico.
Description
Keywords
Cardiotocography Fetal heart rate Data Mining Uterine contractions Cardiotocografia Frequência cardíaca fetal Contrações uterinas
Citation
Pereira, A., Salgado, F., Reis, L. P., & Faria, B. M. (2016). Classification model for cardiotocographies. 2016 11th Iberian Conference on Information Systems and Technologies (CISTI), 1–6. https://doi.org/10.1109/CISTI.2016.7521466
Publisher
Institute of Electrical and Electronics Engineers