Classificação de texto associado à resistência antimicrobiana com redes neurais recorrentes bidirecionais

Página do item simplificado
dc.contributor.advisorWinck, Ana Trindade
dc.contributor.authorMarques, Flavielle Blanco
dc.date.accessioned2019-06-05T19:02:45Z
dc.date.accessioned2023-10-09T19:55:42Z
dc.date.available2019-06-05T19:02:45Z
dc.date.available2023-10-09T19:55:42Z
dc.date.date-insert2019-06-05
dc.date.issued2018
dc.descriptionTrabalho de Conclusão de Curso (Graduação)-Informática Biomédica, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.pt_BR
dc.description.abstractO 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-enThe 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.urihttps://repositorio.ufcspa.edu.br/handle/123456789/677
dc.language.isopt_BRpt_BR
dc.relation.requiresAdobe Readerpt_BR
dc.rightsAcesso Aberto Após Período de Embargo*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectResistência Microbiana a Medicamentospt_BR
dc.subjectAnti-Infecciosospt_BR
dc.subjectMicrorganismospt_BR
dc.subjectRedes Neurais de Computaçãopt_BR
dc.subjectClassificação de Textopt_BR
dc.subject[en] Drug Resistance, Microbialen
dc.subject[en] Anti-Infective Agentsen
dc.subject[en] Neural Networks, Computeren
dc.titleClassificação de texto associado à resistência antimicrobiana com redes neurais recorrentes bidirecionaispt_BR
dc.typeTrabalho de Conclusão de Graduaçãopt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
[TCC] Marques, Flavielle Blanco
Tamanho:
923.89 KB
Formato:
Unknown data format
Descrição:
Texto parcial
Baixar
Coleções
Informática Biomédica - TCC