Please use this identifier to cite or link to this item:
https://rd.uffs.edu.br/handle/prefix/9706| Type: | Monografia |
| Title: | Geração de dados sintéticos em bases médicas com amostras reduzidas para a predição de câncer |
| Author: | Lanzini, Yuri Luis Malinski |
| First advisor: | Dal Bianco, Guilherme |
| Resume: | Durante a aplicação de técnicas de Inteligência Artificial na área da saúde, a obtenção de grandes conjuntos de dados clínicos representa um desafio devido aos custos de coleta, à disponibilidade limitada de pacientes e às restrições éticas. Essa limitação é especialmente relevante em estudos baseados em exames laboratoriais, marcadores bioquímicos e testes enzimáticos, podendo comprometer o treinamento e a generalização de modelos de aprendizado de máquina. Como alternativa, a geração de dados sintéticos permite ampliar artificialmente o conjunto de dados médicos. Este trabalho apresenta uma análise experimental de métodos de geração de dados sintéticos aplicados à predição de câncer em bases de dados médicas com amostras reduzidas. Para isso, são comparados o Tabular Prior-Fitted Generator (TabPFG) e as Redes Generativas Adversariais (GANs). Os dados gerados são avaliados com os modelos Tabular Prior-Data Fitted Network (TabPFN) e Extreme Gradient Boosting (XGBoost). Os resultados demonstram que a utilização de dados sintéticos pode melhorar o desempenho dos classificadores, alcançando ganhos de até 6,6% no F1-score em relação ao cenário base, com melhorias estatisticamente significativas observadas em parte dos experimentos. |
| Abstract: | During the application of Artificial Intelligence techniques in healthcare, obtaining large clinical datasets remains a challenge due to data collection costs, limited patient availability, and ethical constraints. This limitation is particularly relevant in studies based on laboratory tests, biochemical markers, and enzymatic assays, potentially affecting the training and generalization of machine learning models. As an alternative, synthetic data generation enables artificial expansion of medical datasets. This work presents an experimental analysis of synthetic data generation methods applied to cancer prediction in medical datasets with limited sample sizes. For this purpose, the Tabular Prior-Fitted Generator (TabPFGN) and Generative Adversarial Networks (GANs) are compared using the Tabular Prior-Data Fitted Network (TabPFN) and Extreme Gradient Boosting (XGBoost) models. The results demonstrate that the use of synthetic data can improve classifier performance, achieving gains of up to 6.6% in F1-score compared to the baseline scenario, with statistically significant improvements observed in part of the experiments. |
| Keywords: | Inteligência artificial Predição Neoplasias Indicadores de saúde |
| Language: | por |
| Country: | Brasil |
| Publisher: | Universidade Federal da Fronteira Sul |
| Acronym of the institution: | UFFS |
| College, Institute or Department: | Campus Chapecó |
| Type of Access: | Acesso Aberto |
| URI: | https://rd.uffs.edu.br/handle/prefix/9706 |
| Issue Date: | 2026 |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| LANZINI.pdf | 2.09 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.