Classificação hierárquica e multirrótulos aplicada a dados da área médica

• Processo: 09/04029-8
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de setembro de 2009
• Data de Término da vigência: 30 de novembro de 2010
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Maria Carolina Monard
• Beneficiário: Everton Alvares Cherman
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Computação em informática médica Aplicação de informática médica Inteligência artificial Aprendizado computacional Algoritmos Mineração de texto Classificação Diagnóstico clínico
• Palavra(s)-Chave do Pesquisador: Algoritmos de aprendizado hierárquico multirrotulos | diagnóstico médico | Mineração de Textos | Inteligência Artificial

Resumo

Este projeto de mestrado tem como objetivo geral a aplicação e o desenvolvimento de métodos de classificação hierárquica multirrótulos em dados relacionados à área médica. Mais especificamente, em dados fornecidos em laudos médicos em formato não estruturado. Com esse fim, serão também investigados métodos para mapear na hierarquia a informação textual correspondente ao diagnóstico contido no laudo. O(s) método(s) melhor sucedido(s) serão integrados ao ambiente computacional TP-Discover, o qual será responsável por incluir o atributo classe na tabela-atributo valor atualmente criada pelo TP-Discover. Para validar a proposta, tanto no que se refere ao mapeamento da informação textual dos diagnósticos contidos em laudos, quanto aos algoritmos de aprendizado supervisionado que manipulem classes hierárquicas multirrótulos, pretende-se utilizar conjuntos de laudos relacionados ao domínio de gastroenterologia para auxiliar no diagnóstico de doenças esofagogastroduodenais. (AU)