Aprendizado de Máquina na Saúde

Professor: Pós-Doutor Flávio Luiz Seixas

Aluno: Augusto Cesar da F. dos Santos

Matrícula de Mestrado: M048.124.004

Este github está disponibilizado de forma aberta porque concentra todas as atividades realizadas e entregues durante o curso de Pós-Graduação de Aprendizado de Máquina na Saúde

Tarefas de codificação realizadas

Atividades:

1 - Análise Exploratória e Regressão Logística (Entregue)

Análise de Fatores de Risco para Doença Cardíaca Usando o Heart Disease Dataset Neste exercício, você irá trabalhar com um conjunto de dados de saúde que contém informações detalhadas sobre fatores de risco para doenças cardíacas. O dataset inclui variáveis como idade, sexo, tipo de dor no peito, pressão arterial em repouso, colesterol sérico, e outras medições clínicas.

Objetivo: realizar uma análise exploratória e desenvolver um modelo preditivo para identificar a presença de doença cardíaca com base nesses fatores.

2 - Regressão Linear (Entregue)

Modelagem da relação entre o índice de massa corporal (IMC) e a pressão arterial sistólica (PAS) A base de dados National Health and Nutrition Examination Survey (NHANES) contém uma vasta gama de informações sobre a saúde e nutrição de indivíduos nos Estados Unidos. Neste exercício, vamos utilizar os dados da pesquisa de 2015-2016 para estudar a relação entre o Índice de Massa Corporal (IMC) e a Pressão Arterial Sistólica (PAS) em adultos com idade entre 20 e 60 anos.

Objetivo: criar um modelo de regressão linear para prever a Pressão Arterial Sistólica (PAS) a partir do Índice de Massa Corporal (IMC) e avaliar o desempenho deste modelo. Além disso, você deve interpretar os resultados obtidos, com foco na relação entre essas duas variáveis.

3 - Apresentacao_de_Artigo_1/2 (Entregue)

Apresentação em aula do artigo A Framework for Malicious Traffic Detection in IoT Healthcare Environment [1] - Hussain, F.; Abbas, S.G.; Shah, G.A.; Pires, I.M.; Fayyaz, U.U.; Shahzad, F.; Garcia, N.M.; Zdravevski, E. A Framework for Malicious Traffic Detection in IoT Healthcare Environment. Sensors 2021, 21, 3025. https://doi.org/10.3390/s21093025

4 - Clusterização (Entregue)

Breast Cancer Wisconsin (Diagnostic) Dataset - UCI Machine Learning Repository

5 - Otimização de Tratamento de Pacientes com Diabetes usando Aprendizado por Reforço. (Entregue)

Desenvolver um agente de aprendizado por reforço que recomenda ações aos pacientes diabéticos para controlar seus níveis de glicose ao longo do tempo. O sistema simula o comportamento do paciente, levando em consideração diferentes variáveis, como consumo de alimentos, exercícios físicos e doses de insulina.

Metodologia O problema pode ser modelado como um ambiente de tomada de decisão sequencial, onde cada ação do paciente (tomar insulina, comer alimentos, fazer exercício) influencia os níveis de glicose no sangue. O aprendizado por reforço será utilizado para ensinar o agente a aprender a política ótima de controle de glicose, utilizando o algoritmo Q-learning.

6 - Análise de Sobrevivência em Pacientes com Cancer de Pulmao (Entregue)

O foco é modelar e interpretar fatores associados à sobrevivência de pacientes com câncer de pulmão, aplicando os modelos de Weibull e Cox e realizando uma análise de decomposição.

Objetivo Este projeto tem como objetivo analisar fatores associados à sobrevivência de pacientes com câncer de pulmão a partir do conjunto de dados cancer. Utilizando os modelos de Weibull e Cox, a análise busca identificar e interpretar os efeitos de variáveis preditoras (como idade, sexo e ingestão calórica) na sobrevivência dos pacientes, além de realizar uma decomposição para compreender a contribuição relativa de cada variável.

7 - Apresentacao_de_Artigo_2/2 (Entregue)

Apresentação em aula do artigoHyperDetect: A Real-Time Hyperdimensional Solution for Intrusion Detection in IoT Networks

8 - Projeto de Aplicação (Entregue)

Descrição também realizada no Colab da aplicação. O notebook disponibilidade realiza classificação utilizando modelos de aprendizado de máquina, quais sejam, Random Forest, Regressão Logística e Árvore de Decisão para classificação de um conjunto de dados utilizado para realização de um sistema de detecção de intrusão. Conforme previsto na disciplina, o notebook foi apresentado em aula.