Uma abordagem influenciada por pré-processamento para aprendizagem do processo de regulação médica / Un approach influenced to pre-processing for learning medical claim process / Un enfoque influenciado por pre-procesamiento para aprender el proceso de regulación médica

Apresentar uma metodologia que utiliza técnicas de pré-processamento para melhorar a qualidade dos dados presentes na base de dados de uma Operadora de Plano de Saúde para, em seguida, utilizar técnicas de aprendizado de máquina objetivando aprender o processo de regulação médica. Métodos: Foram utilizadas as métricas de: precisão, recall, acurácia, f-measure, área sob a curva ROC e índice kappa para a comparação dos algoritmos de classificação C4.5, Naive Bayes e Multi Layer Perceptron. Resultados: Para a validação dos resultados foi utilizado o cross-validation 10-fold. O melhor classificador foi o C4.5, com taxa de acerto superior a 91%. Conclusão: Demonstrou-se que o processo de regulação pode ser aprendido por algoritmos de aprendizagem de máquina, porém faz-se necessário utilizar técnicas de pré-processamento para melhorar a qualidade dos dados...

Present a methodology that uses preprocessing techniques to improve the quality of the data present in Database of a health insurance company to learn the medical claim process. Methods: We use: precision, recall, f-measure, area under the ROC and kappa to compare classification algorithms C4.5, Naive Bayes and Multi-Layer Perceptron. Results: In order to validate the results we used cross-validation 10-fold. The best classification algorithm was the C4.5 with accuracy higher than 91%. Conclusion: We demonstrate that the medical claim process can be learned by machine learning algorithms; however it is need to use preprocessing techniques to improve quality of the data...

Presentar una metodología que utiliza técnicas de pre-procesamiento para mejorar la calidad de los datos presentes en la Base de datos de un Proveedor plan de salud para aprender el proceso de la regulación médica. Métodos: Precisión, recall, acurácia, f-measure, área bajo la ROC y índice kappa se utilizaron comparar diferentes algoritmos de clasificación: C4.5, Naive Bayes y Multi-Layer Perceptron. Resultados: Con el fin de validar los resultados que hemos utilizado la validación cruzada 10 fold. C4.5 algoritmo obtenido mejor desempeño con una precisión superior al 91%. Conclusión: Se demuestra que el proceso de regulación médica puede ser aprendido por los algoritmos de aprendizaje de máquina, pero primero tienes que utilizar técnicas de pre-procesamiento para mejorar la calidad de los...

Detecção de exsudatos em imagens de retina por técnicas de morfologia matemática e agrupamento nebuloso / Exudate detection in retina images by mathematical morphology techniques and fuzzy clustering

A retinopatia diabética (RD) é uma das principais complicações do diabetes mellitus, pois causa sérios danos à retina e consequentemente à visão, podendo inclusive resultar em cegueira. O diagnóstico da RD é realizado através da análise visual de imagens de retina, sendo os exsudatos (depósitos de gordura) os principais padrões rastreados pelo médico especialista. Vale destacar que o diagnóstico precoce, realizado através do monitoramento regular, associado ao tratamento adequado apresenta inúmeros benefícios na prevenção da deficiência visual. Neste trabalho, é proposto um algoritmo de detecção de exsudatos em imagens de retina, cuja validação experimental é realizada na base pública DIARETDB1. A escolha desta base se deve à disponibilidade da localização dos exsudatos na retina, o que constitui o padrão ouro para a validação dos algoritmos. A metodologia proposta combina agrupamento nebuloso e técnicas de morfologia matemática, além de prover a detecção do disco óptico considerando que o mesmo é um ponto de convergência dos vasos. Os resultados mostraram que o método de detecção de exsudatos apresentou taxas de acerto na avaliação por imagens e por regiões na ordem de 73,03% e 99,41%, respectivamente. Estes resultados confirmam que houve uma melhoria no desempenho na detecção, quando comparados, aos resultados de métodos disponíveis na literatura.

Diabetic retinopathy (DR) is one of the major complications of diabetes mellitus and, furthermore it causes severe damage to the retina and consequently to the vision. DR may lead to blindness and therefore it is important to prevent it or early detect and treat it. The diagnosis of DR is performed by visual analysis of retinal images being exudates (fat deposits) the main patterns traced by a specialist doctor. It is noteworthy that early diagnosis, through regular monitoring when coupled with proper treatment, results in numerous benefits in the prevention of visual impairment. Thus, this paper proposes an algorithm for exudate detection in retinal images, whose experimental validation is performed on retina images of the publicly available DIARETDB1 database. The reason for choosing this database is that it provides spatial coordinates of exudates in retina images which constitute ground truths for the algorithm validation. The proposed methodology combines fuzzy clustering and mathematical morphology techniques, and thus it provides a method for optic disk detection considering that it is as the convergent point of vessels. The exudate detection method presented successful rates of 73.03% and 99.41% concerning the use of the whole image and only partial regions, respectively. These results confirm the performance improvement provided by the proposed methodology, when comparing it to other methods available in the literature.