Publication
Modelo machine learning para padrões alimentares de doentes com Alzheimer
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Cunha, Carlos Augusto da Silva | |
| dc.contributor.advisor | Duarte, Rui Pedro Monteiro Amaro | |
| dc.contributor.author | Cardoso, Tiago Ribeiro | |
| dc.date.accessioned | 2023-07-04T07:32:15Z | |
| dc.date.available | 2023-07-04T07:32:15Z | |
| dc.date.issued | 2023-06-01 | |
| dc.date.submitted | 2023-02-20 | |
| dc.description.abstract | Este trabalho pretende explorar a aplicação de técnicas de machine learning na análise de padrões de alimentares. A área de machine learning pode ser aplicável a qualquer indústria e que, se corretamente aplicada, poderá trazer benefícios que até agora eram impossíveis de alcançar para a qualidade da vida humana. Por estas razões a utilização de técnicas de machine learning tem vindo nos últimos anos a ganhar importância no âmbito do reconhecimento de padrões para suporte á tomada de decisões. A doença de Alzheimer leva as pessoas a perder a autonomia de exprimir as suas necessidades. Com isto os doentes de Alzheimer tornam-se dependentes de outras pessoas, mesmo para as tarefas mais básicas, nomeadamente a escolha de alimentos. Tornando assim o controlo alimentar destas pessoas uma tarefa bastante importante executada pela pessoa que apoia a sua rotina diária, denominada de Cuidador Informal (CI). Este acompanhamento é sem dúvida um processo que exige do CI uma grande responsabilidade, disciplina e habilidade para lidar com possíveis adaptações circunstanciais, como a substituição de alimentos prescritos no plano alimentar por outros equivalentes ou a combinação cuidadosa de alimentos. A combinação de alimentos é um fator sobretudo ligado à preferência dos próprios doentes, para além das regras de combinação dos alimentos recomendados pelos especialistas da doença, existem padrões particulares a cada indivíduo que podem variar ao longo do tempo. Pretende-se assim, desenvolver um modelo de machine learning para detetar padrões a partir do registo prévio alimentar, podendo substituir o doente nas suas escolhas e auxiliar a pessoa que o acompanha. Pretende-se explorar várias combinações de configurações, adaptando os valores dos diferentes hiperparâmetros na execução do trabalho experimental, para comparar e obter resultados que servirão para retirar conclusões sobre a aplicação destas técnicas neste contexto. | pt_PT |
| dc.description.abstract | ABSTRACT: This work intends to explore the application of machine learning techniques to the analysis of eating patterns. The area of machine learning can be applicable to any industry and, if correctly applied, can bring benefits that until now were impossible to achieve for the quality of human life. For these reasons, the use of machine learning techniques has gained importance in recent years in the field of pattern recognition to support decision making. Alzheimer's disease causes people to lose the autonomy to express their needs. With this, Alzheimer's patients become dependent on other people, even for the most basic tasks, namely choosing food. Thus, making the dietary control of these people a very important task performed by the person who supports their daily routine, called Informal Caregiver (IC). This follow-up is undoubtedly a process that demands great responsibility, discipline and ability from the IC to deal with possible circumstantial adaptations, such as replacing foods prescribed in the food plan with equivalent ones or carefully combining foods. The combination of foods is a factor mainly linked to the preference of the patients themselves, in addition to the rules for combining foods recommended by specialists in the disease, there are particular standards for each individual that can vary over time. The aim is thus to develop a machine learning model to detect patterns from the previous food record, being able to replace the patient in his choices and help the person accompanying him. Explore various combinations of configurations, adapting the values of the different hyperparameters in the execution of the experimental work, to allow drawing conclusions from each test and obtaining results that will also serve to draw conclusions about the application of these techniques in this context. | pt_PT |
| dc.identifier.tid | 203324064 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.19/7828 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Doença de Alzheimer | pt_PT |
| dc.subject | Cuidador Informal | pt_PT |
| dc.subject | Machine learning, ML | pt_PT |
| dc.title | Modelo machine learning para padrões alimentares de doentes com Alzheimer | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Sistemas e Tecnologias de Informação para as Organizações | pt_PT |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- Tiago Ribeiro Cardoso - Dissertação - MEISI.pdf
- Size:
- 2.35 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.79 KB
- Format:
- Item-specific license agreed upon to submission
- Description: