FenixEdu™

Dissertação

Temporal sequence alignment and agglomerative clustering for the analysis of medical longitudinal data EVALUATED

Detalhes: O agrupamento de pacientes é uma tarefa muito importante na área da medicina uma vez que pode ajudar os médicos a tratarem os diferentes grupos de forma personalizada. Foi desenvolvido pouco trabalho em clustering (agrupamento) com base em alinhamento de sequências a partir de dados clínicos e usando a informação temporal inerente a estes. A literatura apresenta maioritariamente técnicas de alinhamento e clustering de sequências biológicas, como por exemplo, sequências de proteínas. Neste trabalho, usamos o Temporal Needleman-Wunsch (TNW), uma versão modificada do algoritmo de alinhamento Needleman-Wunsch (NW) que incorpora transições temporais entre eventos de uma sequência. O método proposto neste trabalho, denominado AliClu, determina o número correcto de clusters ao combinar TNW com clustering hierárquico aglomerativo. O método começa por criar um conjunto de sequências temporais. De seguida, o alinhamento destas, par a par, é efectuado com o TNW, que resulta numa matriz de semelhanças que por sua vez é usada no clustering hierárquico aglomerativo. Para descobrir o número de grupos e estudar a estabilidade de cada cluster, é implementada uma técnica de reamostragem. Dados sintéticos foram gerados para validar o método desenvolvido, nestes verificou-se que é possível separar sequências com base na informação temporal. Nos dados reais, da Sociedade Portuguesa de Reumatologia (Reuma.pt), os resultados mostram que o agrupamento de pacientes é obtido com sucesso. No entanto, o método proposto teve dificuldades quando o número de clusters aumenta e sequências temporais são longas. Portanto, uma investigação mais aprofundada é necessária em trabalhos posteriores, nomeadamente, no ajustamento de parâmetros.
Keywords: alinhamento de sequências temporais, agrupamento, reamostragem, índices de agrupamentos.

Discussão: junho 22, 2018, 14:0