Classificação de texto associado à resistência antimicrobiana com redes neurais recorrentes bidirecionais
dc.contributor.advisor | Winck, Ana Trindade | |
dc.contributor.author | Marques, Flavielle Blanco | |
dc.date.accessioned | 2019-06-05T19:02:45Z | |
dc.date.accessioned | 2023-10-09T19:55:42Z | |
dc.date.available | 2019-06-05T19:02:45Z | |
dc.date.available | 2023-10-09T19:55:42Z | |
dc.date.date-insert | 2019-06-05 | |
dc.date.issued | 2018 | |
dc.description | Trabalho de Conclusão de Curso (Graduação)-Informática Biomédica, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre. | pt_BR |
dc.description.abstract | O surgimento acelerado de microrganismos resistentes coloca em risco a eficácia dos agentes antimicrobianos disponíveis. A falta de informações sobre a resistência que os microorganismos adquirem dificulta o combate aos responsáveis pelas infecções e, consequentemente, a descoberta de possíveis curas. Em busca de fortalecer a base de conhecimento e evidências relacionadas à resistência antimicrobiana, por meio da pesquisa, um método para a classificação de sentenças oriundas de artigos científicos que remetem a termos biológicos de microrganismos ou antimicrobianos foi proposto. Muitos estudos aplicados à aprendizagem de máquina no contexto biológico estão sendo realizados. Em contrapartida, há poucos trabalhos, deste porte, associados à resistência antimicrobiana por meio de textos. Nesse sentido, é apresentado um método de classificação de sentenças de resistência antimicrobiana, com uso de modelos de redes neurais recorrentes bidirecionais, gerados a partir de artigos científicos oriundos de repositórios relacionados às ciências da saúde. Testes e análises do algoritmo construído foram realizadas para encontrar o melhor modelo. A construção de uma ferramenta web e integrada a um banco de dados para coleta de novas sentenças foi realizada. A aprendizagem por contexto foi evidenciada por meio de validações com sentenças que eram desconhecidas pela rede. | pt_BR |
dc.description.abstract-en | The accelerated emergence of resistant microorganisms puts the efficacy of antimicrobial agents available at risk. The lack of information about acquire resistance hinders the combat of organisms responsible for infections and, therefore, to discover possible cures. Seeking to strengthen the knowledge base and evidence related to antimicrobial resistance. We propose a method for the classification of sentences from scientific articles that refer to biological terms of microorganisms or antimicrobials. Many studies applied to machine learning in the biological context are being carried out. Nevertheless, there are few studies of this proportion, associated with antimicrobial resistance through texts. In this sense, a method of classification of sentences of antimicrobial resistance is presented, through bidirectional recurrent neural network models, generated from scientific articles from health science repositories. Tests and analyzes of the algorithm built were performed to find the best model. The construction of a web tool and integrated with a database for the collection of new sentences was accomplished. Contextualized learning was evidenced through validations with sentences that were unknown by the network. | pt_BR |
dc.identifier.uri | https://repositorio.ufcspa.edu.br/handle/123456789/677 | |
dc.language.iso | pt_BR | pt_BR |
dc.relation.requires | Adobe Reader | pt_BR |
dc.rights | Acesso Aberto Após Período de Embargo | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | * |
dc.subject | Resistência Microbiana a Medicamentos | pt_BR |
dc.subject | Anti-Infecciosos | pt_BR |
dc.subject | Microrganismos | pt_BR |
dc.subject | Redes Neurais de Computação | pt_BR |
dc.subject | Classificação de Texto | pt_BR |
dc.subject | [en] Drug Resistance, Microbial | en |
dc.subject | [en] Anti-Infective Agents | en |
dc.subject | [en] Neural Networks, Computer | en |
dc.title | Classificação de texto associado à resistência antimicrobiana com redes neurais recorrentes bidirecionais | pt_BR |
dc.type | Trabalho de Conclusão de Graduação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- [TCC] Marques, Flavielle Blanco
- Tamanho:
- 923.89 KB
- Formato:
- Unknown data format
- Descrição:
- Texto parcial