Combinação de mapas auto-organizáveis e árvore de decisão para explicação da tomada de decisão diagnóstica no transtorno de déficit de atenção/hiperatividade

Página do item simplificado
dc.contributor.advisorSilva, Leandro Augusto da
dc.contributor.authorSilva, Anderson Martins
dc.date.accessioned2022-05-20T12:44:00Z
dc.date.available2022-05-20T12:44:00Z
dc.date.issued2021-08-06
dc.description.abstractTranstorno de Déficit de Atenção/Hiperatividade (TDAH) apresenta-se em crianças e adolescentes como um padrão persistente de desatenção, hiperatividade e impulsividade que interfere no seu desenvolvimento. Estudos computacionais realizados sobre TDAH focam nas medidas de atividades cerebrais dos participantes e poucos utilizam testes cognitivos padronizados ou inventários comportamentais para avaliação de indicadores objetivos para elaboração do diagnóstico. O trabalho apresenta como proposta computacional a combinação de dois m´métodos de inteligência artificial para auxiliar a identificação de indicadores diagnósticos para diagnóstico do TDAH. A proposta é combinar uma rede neural de mapas auto-organizáveis para agrupar fatores advindos de testes e inventários padronizados e árvores de decisão para classificar os fatores mais relevantes. O estudo contemplado teve 127 crianças e adolescentes de 6 a 16 anos, sendo 48 com diagnóstico confirmado e 79 sem indicadores diagnósticos para TDAH. O trabalho apresenta como resultado relevante, a forte contribuição de escores do inventário de comportamentos para crianças e adolescentes no diagnóstico do transtorno.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nívelpt_BR
dc.description.sponsorshipIPM - Instituto Presbiteriano Mackenziept_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/29228
dc.language.isopt_BRpt_BR
dc.language.isoenpt_BR
dc.publisherUniversidade Presbiteriana Mackenzie
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectmapas auto-organizáveis (SOM)pt_BR
dc.subjectárvore de decisãopt_BR
dc.subjecttranstorno de déficit de atenção e hiperatividade (TDAH)pt_BR
dc.titleCombinação de mapas auto-organizáveis e árvore de decisão para explicação da tomada de decisão diagnóstica no transtorno de déficit de atenção/hiperatividadept_BR
dc.typeDissertaçãopt_BR
local.contributor.advisorLatteshttp://lattes.cnpq.br/1396385111251741pt_BR
local.contributor.advisorOrcidhttps://orcid.org/0000-0002-8671-3102pt_BR
local.contributor.authorLatteshttp://lattes.cnpq.br/5040656764872969pt_BR
local.contributor.authorOrcidhttps://orcid.org/0000-0003-3160-1813pt_BR
local.contributor.board1Carreiro, Luiz Renato Rodrigues
local.contributor.board1Latteshttp://lattes.cnpq.br/0203967709311323pt_BR
local.contributor.board1Orcidhttps://orcid.org/0000-0001-8249-1832pt_BR
local.contributor.board2Souza, Alexandra Aparecida de
local.contributor.board2Latteshttp://lattes.cnpq.br/1119774618311172pt_BR
local.description.abstractenAttention-Deficit/Hyperactivity Disorder (ADHD) presents in children and adolescents as a persistent pattern of inattention, hyperactivity, and impulsivity that interferes with their development. Computational studies on ADHD focus on measures of brain activity of the participants and few uses standardized cognitive tests or behavioral inventories to assess objective indicators for diagnosis. The paper presents as a computational proposal the combination of two artificial intelligence methods to aid the identification of diagnostic indicators for ADHD. The proposal is to combine a neural network of self-organizing maps to group factors from standardized tests and inventories, and a decision tree to classify the most relevant factors. The study included 127 children and adolescents from 6 to 16 years old, 48 with ADHD diagnosis and 79 without ADHD (control group). The most relevant result of the study was the strong contribution of the scores of the Inventory of Behaviors for Children and Adolescents in the diagnosis of the disorder.pt_BR
local.keywordsself-organizing maps (SOM)pt_BR
local.keywordsdecision treept_BR
local.keywordsattention-deficit hyperactivity disorder (ADHD)pt_BR
local.publisher.countryBrasil
local.publisher.departmentEscola de Engenharia Mackenzie (EE)pt_BR
local.publisher.initialsUPM
local.publisher.programEngenharia Elétrica e Computaçãopt_BR
local.subject.cnpqEngenharia da Computaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ANDERSON MARTINS SILVA - protegido.pdf
Tamanho:
1011.08 KB
Formato:
Adobe Portable Document Format
Descrição:
Anderson Martins Silva
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia Elétrica e Computação - Dissertações - EE Higienópolis