UNIVERSIDADE CATLICA DE GOIS PR-REITORIA DE PS-GRADUAO E PESQUISA-PROPE MESTRADO CINCIAS AMBIENTAIS E SADE

Aplicabilidade de memria lgica como ferramenta coadjuvante no diagnstico das doenas genticas

Hugo Pereira Leite Filho

Orientador: Prof. Dr. Aparecido Divino da Cruz Co-Orientador: Prof. Dr. Eduardo S. de Albuquerque

Definio do Problema
Coleta de Sangue

Suspeita Clnica

Anlise

Resultado

Caritipo

Justificativa

Aplicao de tcnicas de MD baseados em redes probabilsticas ou neurais SUS Agilidade no resultado do teste citogentico

Tcnica de IA e MD
Desenvolvimento de tcnicas de inferncia eficientes Combinao de conhecimento especialista com dados A posteriori Tomada de deciso para refinar os modelos de conhecimento

Tcnica de IA e MD
Utilizao de modelos grficos Surgimento de tcnicas de MD e KDD

Minerao de Dados
Tcnicas de MD disponveis: Extrao de Regras Algoritmos Genticos Redes Neurais Redes Bayesianas Componentes primrios em algoritmos de MD: Representao do modelo; Critrio de avaliao do modelo; Mtodo de busca;

Redes Bayesianas
Representao da incerteza Raciocnio com a probabilidade RB como tarefa de inferncias probabilsticas

Construo da RB
Primeira Condio Variveis mais relevantes Segunda Condio O algoritmo deve realizar esta delimitao

Construo da RB

Construo de modelos de conhecimento Bayesianos Gerao de Bayesianos modelos de conhecimento

Descoberta de Conhecimento em Base de Dados KDD

Solues para viabilizar a anlise de grandes e complexas bases de dados Aplicao da construo de Data Warehouse DW KDD deve ser compreensvel potencialmente til e

Descoberta de Conhecimento em Base de Dados

Verificao META Descoberta

Teste de Hiptese Descrio

Previso

Descoberta de Conhecimento em Base de Dados

KDD / PR-PROCESSAMENTO
Etapas
7a
Seleciona atributos Integrar dados

1a
Higienizao dos Dados

2a

PrProcessmento
Discretizao

Converso de dados nominais

3a

6a
Construir ou derivar novos atributos Reduzir domnio

4a

5a

KDD / PR-PROCESSAMENTO
Propriedade
Pr-Processamento

Remover com valores faltando

Prever o valor faltando

Lidar com os valores faltantes

Substituir os valores ausentes

Mtodo CRISP-DM

www.sinter.com.tw

KDD / PS-PROCESSAMENTO
Etapas
1a
Four-Fold Cross Validation
Exatido dos resultados

2a

3a

Ps-Processamento

Eficincia

Facilidade de Compreenso

4a

Classificadores
Classificador Naive Bayes

Classificadores
Classificador TAN

Classificadores
Classificador BAN

Metodologia
Nesse estudo foram utilizados os classificadores probabilsticos rvore de Deciso Naive Bayes TAN BAN Rede Neural

Estudo de Casos
Aplicao do four-fold cross validation
Grupo N. Registro I 21 Subconjuntos Sc1 Conjuntos Procedimentos

-Sc1 -Sc2 a Sc4. -Sc2 -Sc1, Sc3 e Sc4.

-Sc3 -Sc1, Sc2 e Sc4. -Sc4.. -Sc1 a Sc3..

Avaliar Treinar Avaliar

Treinar Avaliar Treinar Avaliar Treinar

II

21

Sc2

III

21

Sc3

IV

21

Sc4

Estudo de Casos
Discriminao entre os modelos

R \ P
SIM
NO

SIM Verdadeiro Positivo (VP) Falso Positivo (FP)

NAO

Falso Negativo (FN)

Verdadeiro Negativo (VN)

Estudo de Casos
Tabela de ndices para Discriminao entre Classificadores Dicotmicos

Sensibilidade (S)

Especificidade (E)

Acurcia (Ac)

SE

S = VP / (VP+FN)

E = VN / (VN+FP)

Ac = (VP+VN) / (VP+FP+VN+FN)

SE = S * E

Estudo de Casos
Matriz Confuso e Resumo da Acurcia
Matriz de Confuso
a 2 b 2 Classificao a = NO b = SIM 17 0

Resumo
Descrio
Instncias Corretamente Classificadas
Instncias Incorretamente Classificadas

Qtde Porcentagem
19
2

90
10

Avaliao dos Resultados

Casos de Sndrome de Turner

Modelo Rede Neural Naive Bayes

Sensibilidade Especificidade (S) (E)

1 0,642 1 1

Acurcia (AC)
1 0,82

SE
1 0,642

rvore de Deciso

0,989

0,996

0,993

0,985

Muito obrigado!
"As grandes coisas so feitas por pessoas que tem grandes idias e saem pelo mundo para fazer com que seus sonhos se tornem realidades Ernest Holmes