Utilização de técnicas de Machine Learning e de Deep Learning para a predição de casos de internações causadas por dengue em municípios da Paraíba

Ewerthon Dyego de Araújo Batista, Wellington Candeia de Araújo, Romeryto Vieira Lira, Laryssa Izabel de Araujo Batista
{"title":"Utilização de técnicas de Machine Learning e de Deep Learning para a predição de casos de internações causadas por dengue em municípios da Paraíba","authors":"Ewerthon Dyego de Araújo Batista, Wellington Candeia de Araújo, Romeryto Vieira Lira, Laryssa Izabel de Araujo Batista","doi":"10.5753/ercemapi.2021.17914","DOIUrl":null,"url":null,"abstract":"Dengue é um problema de saúde pública no Brasil, os casos da doença voltaram a crescer na Paraíba. O boletim epidemiológico da Paraíba, divulgado em agosto de 2021, informa um aumento de 53% de casos em relação ao ano anterior. Técnicas de Machine Learning (ML) e de Deep Learning estão sendo utilizadas como ferramentas para a predição da doença e suporte ao seu combate. Por meio das técnicas Random Forest (RF), Support Vector Regression (SVR), Multilayer Perceptron (MLP), Long ShortTerm Memory (LSTM) e Convolutional Neural Network (CNN), este artigo apresenta um sistema capaz de realizar previsões de internações causadas por dengue para as cidades Bayeux, Cabedelo, João Pessoa e Santa Rita. O sistema conseguiu realizar previsões para Bayeux com taxa de erro 0,5290, já em Cabedelo o erro foi 0,92742, João Pessoa 9,55288 e Santa Rita 0,74551.","PeriodicalId":422707,"journal":{"name":"Anais da IX Escola Regional de Computação Ceará, Maranhão, Piauí (ERCEMAPI 2021)","volume":"61 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-09-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da IX Escola Regional de Computação Ceará, Maranhão, Piauí (ERCEMAPI 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/ercemapi.2021.17914","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Dengue é um problema de saúde pública no Brasil, os casos da doença voltaram a crescer na Paraíba. O boletim epidemiológico da Paraíba, divulgado em agosto de 2021, informa um aumento de 53% de casos em relação ao ano anterior. Técnicas de Machine Learning (ML) e de Deep Learning estão sendo utilizadas como ferramentas para a predição da doença e suporte ao seu combate. Por meio das técnicas Random Forest (RF), Support Vector Regression (SVR), Multilayer Perceptron (MLP), Long ShortTerm Memory (LSTM) e Convolutional Neural Network (CNN), este artigo apresenta um sistema capaz de realizar previsões de internações causadas por dengue para as cidades Bayeux, Cabedelo, João Pessoa e Santa Rita. O sistema conseguiu realizar previsões para Bayeux com taxa de erro 0,5290, já em Cabedelo o erro foi 0,92742, João Pessoa 9,55288 e Santa Rita 0,74551.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
利用机器学习和深度学习技术预测paraiba市登革热引起的住院病例
登革热在巴西是一个公共卫生问题,paraiba的病例再次增加。2021年8月发布的paraiba流行病学公报报告称,病例比前一年增加了53%。机器学习(ML)和深度学习技术被用作预测疾病和支持其斗争的工具。摘要利用随机森林(RF)、支持向量回归(SVR)、多层感知器(MLP)、长短期记忆(LSTM)和折叠神经网络(CNN)技术,提出了一种能够预测贝叶、Cabedelo、joao Pessoa和Santa Rita等城市登革热住院人数的系统。该系统能够以0.5290的错误率对贝叶进行预测,Cabedelo的错误率为0.92742,joao Pessoa为9.55288,Santa Rita为0.74551。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Uma Proposta para Melhoria do Planejamento e Controle da Produção em Projetos de Construção Civil Auto-Gerenciamento de Falhas no Contexto de Ambientes Inteligentes e Assistidos: Uma Abordagem Baseada em Redes Bayesianas Logicæ: Um jogo educativo sobre portas lógicas ECO Lets: Uma Rede Social para Doação de Materiais Recicláveis Análise comparativa da influência de otimizadores no desempenho de uma CNN para detecção do câncer de mama
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1