Repository logo
 
Publication

Classification model for cardiotocographies

2016Conference object Restricted access
Simple item page
dc.contributor.authorPereira, Ana
dc.contributor.authorSalgado, Filipe
dc.contributor.authorReis, Luís Paulo
dc.contributor.authorFaria, Brígida Mónica
dc.date.accessioned2019-07-17T15:19:58Z
dc.date.available2019-07-17T15:19:58Z
dc.date.issued2016
dc.description.abstractCardiotocography 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.pt_PT
dc.description.abstractA 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.pt_PT
dc.description.versioninfo:eu-repo/semantics/publishedVersionpt_PT
dc.identifier.citationPereira, 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
dc.identifier.doi10.1109/CISTI.2016.7521466pt_PT
dc.identifier.isbn978-9-8998-4346-2
dc.identifier.urihttp://hdl.handle.net/10400.22/14413
dc.language.isoporpt_PT
dc.publisherInstitute of Electrical and Electronics Engineerspt_PT
dc.relation.publisherversionhttps://ieeexplore.ieee.org/document/7521466pt_PT
dc.subjectCardiotocographypt_PT
dc.subjectFetal heart ratept_PT
dc.subjectData Miningpt_PT
dc.subjectUterine contractionspt_PT
dc.subjectCardiotocografiapt_PT
dc.subjectFrequência cardíaca fetalpt_PT
dc.subjectContrações uterinaspt_PT
dc.titleClassification model for cardiotocographiespt_PT
dc.title.alternativeModelo de Classificação para Cardiotocografiaspt_PT
dc.typeconference object
dspace.entity.typePublication
oaire.citation.endPage6pt_PT
oaire.citation.startPage1pt_PT
oaire.citation.title11th Iberian Conference on Information Systems and Technologies (CISTI)pt_PT
person.familyNameFaria
person.givenNameBrigida Monica
person.identifierR-000-T1F
person.identifier.ciencia-id0D1F-FB5E-55E4
person.identifier.orcid0000-0003-2102-3407
person.identifier.ridC-6649-2012
person.identifier.scopus-author-id6506476517
rcaap.rightsrestrictedAccesspt_PT
rcaap.typeconferenceObjectpt_PT
relation.isAuthorOfPublication85832a40-7ef9-431a-be0c-78b45ebbae86
relation.isAuthorOfPublication.latestForDiscovery85832a40-7ef9-431a-be0c-78b45ebbae86

Files

Collections

ESS - BBB - Comunicações em eventos científicos