Este trabalho tem como objetivo desenvolver uma metodologia baseada em lógica nebulosa, (KLIR ; YUAN, 1995) para detectar faces humanas em imagens digitais. Considerando que pessoas conseguem reconhecer facilmente as faces humanas, este trabalho prevê a pesquisa da informação relativa a esse reconhecimento utilizando os resultados obtidos, em um esquema \"fuzzy\", para identificação de faces humanas em imagens digitais. É proposto então um algoritmo que classifique automaticamente as regiões de uma imagem em faces humanas ou não. O conhecimento para a construção da base de regras foi obtido através de informações das pessoas por meio de uma pesquisa de campo onde as respostas foram numericamente armazenadas para a geração da classificação nebulosa. Foram gerados desenhos line-draw que de uma maneira global representam as faces humanas. Esses desenhos foram apresentados às pessoas entrevistadas que forneceram subsídios para a montagem das regras \"fuzzy\". O algoritmo foi capaz de a partir daí, identificar faces humanas em imagens digitalizadas. Imagens simples contendo uma face frontal foram submetidas a um algoritmo e ao passarem por processamento (extração de bordas, erosão, binarização, etc...) perderam características, tornando difícil sua identificação. O algoritmo \"fuzzy\" foi capaz de atribuir um grau de pertinência à imagem dentro do conjunto de faces humanas frontais. A lógica nebulosa possui história recente, porém, desde cedo, demonstra sua versatilidade, principalmente por traduzir modelos não lineares ou imprecisos, os quais não apresentam convergência através de modelagem matemática convencional. / The present master dissertation aims to develop a methodology based on fuzzy pattern (KLIR; YUAN, 1995) to detect human faces in digital images. Considering that people are easily able to recognize human faces, this study foresees the research of the relative information to this recognition using the acquire results, in a \"fuzzy\" scheme, for the identification of human faces in digital images. It\'s proposed an algorithm which automatically classifies or not the regions of an image in human faces. It is based on the information acquired from people by means of a field research where the answers are stored numerically for the creation of the fuzzy classification. Drawings line-draw were created to represent human faces and were presented to the people interviewed to furnish information for the creation of the fuzzy rules. After that the algorithm was able to identify human faces in digitalized images. The algorithm utilizes simple images containing a frontal face, which lose their characteristics when they are processed (edges extration, erosion, binary image, etc...) and make their identification difficult. The fuzzy algorithm is also able to classify the images within the set of frontal human faces. The fuzzy logic has a recent history, however, it has always demonstrated its versatility, mainly regarding the translation of non-linear or inexact models which do not present conventional mathematical convergence through modeling.

Este trabalho tem como objetivo desenvolver uma metodologia baseada em lógica nebulosa, (KLIR ; YUAN, 1995) para detectar faces humanas em imagens digitais. Considerando que pessoas conseguem reconhecer facilmente as faces humanas, este trabalho prevê a pesquisa da informação relativa a esse reconhecimento utilizando os resultados obtidos, em um esquema \"fuzzy\", para identificação de faces humanas em imagens digitais. É proposto então um algoritmo que classifique automaticamente as regiões de uma imagem em faces humanas ou não. O conhecimento para a construção da base de regras foi obtido através de informações das pessoas por meio de uma pesquisa de campo onde as respostas foram numericamente armazenadas para a geração da classificação nebulosa. Foram gerados desenhos line-draw que de uma maneira global representam as faces humanas. Esses desenhos foram apresentados às pessoas entrevistadas que forneceram subsídios para a montagem das regras \"fuzzy\". O algoritmo foi capaz de a partir daí, identificar faces humanas em imagens digitalizadas. Imagens simples contendo uma face frontal foram submetidas a um algoritmo e ao passarem por processamento (extração de bordas, erosão, binarização, etc...) perderam características, tornando difícil sua identificação. O algoritmo \"fuzzy\" foi capaz de atribuir um grau de pertinência à imagem dentro do conjunto de faces humanas frontais. A lógica nebulosa possui história recente, porém, desde cedo, demonstra sua versatilidade, principalmente por traduzir modelos não lineares ou imprecisos, os quais não apresentam convergência através de modelagem matemática convencional. / The present master dissertation aims to develop a methodology based on fuzzy pattern (KLIR; YUAN, 1995) to detect human faces in digital images. Considering that people are easily able to recognize human faces, this study foresees the research of the relative information to this recognition using the acquire results, in a \"fuzzy\" scheme, for the identification of human faces in digital images. It\'s proposed an algorithm which automatically classifies or not the regions of an image in human faces. It is based on the information acquired from people by means of a field research where the answers are stored numerically for the creation of the fuzzy classification. Drawings line-draw were created to represent human faces and were presented to the people interviewed to furnish information for the creation of the fuzzy rules. After that the algorithm was able to identify human faces in digitalized images. The algorithm utilizes simple images containing a frontal face, which lose their characteristics when they are processed (edges extration, erosion, binary image, etc...) and make their identification difficult. The fuzzy algorithm is also able to classify the images within the set of frontal human faces. The fuzzy logic has a recent history, however, it has always demonstrated its versatility, mainly regarding the translation of non-linear or inexact models which do not present conventional mathematical convergence through modeling.

As síndromes coronarianas agudas são responsáveis por uma elevada taxa de mortalidade no Brasil e no Mundo. As falhas diagnósticas, principalmente quando o paciente é atendido em serviços de pronto socorro, por clínicos gerais, certamente contribuem para esse quadro, embora amenizadas pelos sistemas cardiológicos de tele-medicina. Entretanto, muitos serviços de emergência não têm acesso a esses sistemas e, além disso, possuem uma limitada capacidade diagnóstica em casos de coronariopatia aguda. Neste trabalho foi desenvolvido um sistema de inteligência artificial baseado na lógica \"fuzzy\", capaz de auxiliar um médico generalista no diagnóstico desses casos, sem fazer uso de tele-medicina, nem de exames laboratoriais. O sistema utiliza um eletrocardiógrafo interpretativo para suprir as deficiências do médico na análise do eletrocardiograma. Usando a história clínica, o exame físico e o laudo eletrocardiográfico automático, dados são inseridos em uma planilha Excel que fornece uma sugestão de diagnóstico e de respectiva conduta terapêutica. O sistema demonstrou um bom desempenho, sendo, assim, uma solução viável e de baixo custo para o diagnóstico precoce de síndromes coronarianas agudas em unidades primárias de pronto socorro. / Acute coronary syndromes are responsible for a high mortality rate in Brazil and worldwide. Diagnostic failures, especially when the patient is treated in emergency services by general practitioners, certainly contribute to this condition, although tele-medicine cardiology systems are possibly responsible for the reduction of that mortality rate. However, many services do not have access to these systems and also have a limited diagnostic capacity for diagnosing cases of acute coronary disease. We have developed an artificial intelligence system using elements of \"fuzzy\" logic, capable of assisting a general practitioner in the diagnostic of these cases, without making use of tele-medicine or laboratory tests. The system uses an interpretive electrocardiograph that can overcome the general practitioners\' deficiencies in the analysis of the electrocardiogram. The physician, starting from the important elements of the clinical history, the physical examination and the electrocardiogram automatic report, enters data into an Excel program that will provide a suggestion of diagnostic and therapeutic management. The system is low cost and has shown great performance, so it is a viable solution to the problem of early diagnostic of acute coronary syndromes in primary emergency units.

As síndromes coronarianas agudas são responsáveis por uma elevada taxa de mortalidade no Brasil e no Mundo. As falhas diagnósticas, principalmente quando o paciente é atendido em serviços de pronto socorro, por clínicos gerais, certamente contribuem para esse quadro, embora amenizadas pelos sistemas cardiológicos de tele-medicina. Entretanto, muitos serviços de emergência não têm acesso a esses sistemas e, além disso, possuem uma limitada capacidade diagnóstica em casos de coronariopatia aguda. Neste trabalho foi desenvolvido um sistema de inteligência artificial baseado na lógica \"fuzzy\", capaz de auxiliar um médico generalista no diagnóstico desses casos, sem fazer uso de tele-medicina, nem de exames laboratoriais. O sistema utiliza um eletrocardiógrafo interpretativo para suprir as deficiências do médico na análise do eletrocardiograma. Usando a história clínica, o exame físico e o laudo eletrocardiográfico automático, dados são inseridos em uma planilha Excel que fornece uma sugestão de diagnóstico e de respectiva conduta terapêutica. O sistema demonstrou um bom desempenho, sendo, assim, uma solução viável e de baixo custo para o diagnóstico precoce de síndromes coronarianas agudas em unidades primárias de pronto socorro. / Acute coronary syndromes are responsible for a high mortality rate in Brazil and worldwide. Diagnostic failures, especially when the patient is treated in emergency services by general practitioners, certainly contribute to this condition, although tele-medicine cardiology systems are possibly responsible for the reduction of that mortality rate. However, many services do not have access to these systems and also have a limited diagnostic capacity for diagnosing cases of acute coronary disease. We have developed an artificial intelligence system using elements of \"fuzzy\" logic, capable of assisting a general practitioner in the diagnostic of these cases, without making use of tele-medicine or laboratory tests. The system uses an interpretive electrocardiograph that can overcome the general practitioners\' deficiencies in the analysis of the electrocardiogram. The physician, starting from the important elements of the clinical history, the physical examination and the electrocardiogram automatic report, enters data into an Excel program that will provide a suggestion of diagnostic and therapeutic management. The system is low cost and has shown great performance, so it is a viable solution to the problem of early diagnostic of acute coronary syndromes in primary emergency units.