No abstract

A recente proliferação dos dispositivos vestíveis (e.g. smartphones e smartwatches) e sua capacidade de medir vários sinais fisiológicos criam uma oportunidade de monitoramento contínuo e discreto do estado de estresse de um indivíduo. Tendo isso em vista, este trabalho propõe um novo modelo para classificação de estresse baseado em uma rede de convolução usando dados coletados por dispositivos de pulso. Os resultados obtidos, utilizando a validação leave-one-subject-out (LOSO), alcançaram a taxa média de 95,67% de acurácia, sendo um valor superior à maioria dos trabalhos já existentes na literatura.

No abstract

Neste trabalho propomos um método simplificado para representar proteínas do vírus da dengue e classificá-las de acordo com a severidade da infecção, sendo estas clássica e severa. Essas classes identificam o desfecho clínico do paciente, permitindo relacionar a composição genômica do vírus e a reação que esse causou nos pacientes. Para isso, transformamos as sequências proteicas em um conjunto de redes complexas (grafos), a partir das quais foram gerados histogramas com o grau dos nós. As representações foram classificadas por uma Árvore de Decisão. Para validação empregou-se o método Leave-One-Out. O classificador atingiu uma área média sob a curva ROC de 70% a 84%.

No abstract