Spelling suggestions: "subject:"cistemas dde apoio a diagnóstico"" "subject:"cistemas dee apoio a diagnóstico""
1 |
Mineração de Dados Aplicada à Cardiologia PediátricaGURGEL, Tarcisio Barbosa January 2007 (has links)
Made available in DSpace on 2014-06-12T16:00:22Z (GMT). No. of bitstreams: 2
arquivo6533_1.pdf: 1469560 bytes, checksum: ef97b30d0340855558e6dac6050e5b5f (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2007 / As primeiras soluções desenvolvidas para a Inteligência Artificial na Medicina
eram, na época da sua concepção, unicamente baseadas no conhecimento do
especialista, entretanto, o cenário atual, no qual dados são abundantes, mas
subutilizados, mostrou-se terreno fértil para a criação de soluções baseadas também
nos dados. É onde entra a Mineração de Dados, que tem sido, nos últimos anos, fator
contribuinte na criação de ferramentas médicas que têm causado um forte impacto na
prestação dos serviços de saúde. Nesse contexto, a proposta deste trabalho é avaliar
a Mineração de Dados como meio para conceber um Sistema de Apoio à Decisão que
auxilie o processo decisório na Medicina, especificamente na Cardiologia Infantil.
Foram utilizadas técnicas de Inteligência Artificial tradicionalmente aplicadas a
uma variedade de domínios médicos: Árvores de Decisão e Regras de Classificação,
para descrição dos dados; e Redes Neurais Artificiais, para construção de
classificadores. O resultado obtido a partir das primeiras técnicas trouxe novos
conhecimentos para os médicos envolvidos, especialistas no domínio. Os
classificadores criados, por sua vez, mostraram um desempenho satisfatório em duas
tarefas distintas: a primeira é classificar os pacientes como saudáveis ou doentes em
relação a doenças cardíacas, através de dados de exames de ecocardiogramas; a
segunda, identificar, entre os novos pacientes da clínica, e sem a ajuda dos dados de
exames clínicos, aqueles mais graves, com alto potencial de serem submetidos a
alguma cirurgia cardíaca.
A qualidade da solução desenvolvida e a sua aceitação pelos especialistas no
domínio mostraram a viabilidade em utilizar a Mineração de Dados no processo de
apoio à decisão na Cardiologia Infantil. Entre os potenciais benefícios, estão o maior
entendimento da saúde cardíaca da população, e a utilização dos classificadores
construídos, para servir como uma segunda opinião médica no momento do
diagnóstico e para dar prioridade de atendimento aos pacientes mais graves. Esperase
que, com o auxílio dessas ferramentas, haja uma melhoria do serviço médico
prestado
|
2 |
Utilização de técnicas de inteligência artificial para classificação de crianças cardiopatas em base de dados desbalanceadasTavares, Thiago Ribeiro 31 January 2013 (has links)
Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T17:23:07Z
No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:23:44Z (GMT) No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:23:44Z (GMT). No. of bitstreams: 2
Dissertacao Thiago Tavares.pdf: 3582760 bytes, checksum: dfee6c424fc987631aeae3fbd4e4e524 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013 / As doenças cardiovasculares são as que mais matam no Brasil e no mundo. Dessas,
a cardiopatia congênita, uma malformação cardíaca presente desde o nascimento, acomete 8
a 10 em cada 1000 nascidos vivos e aproximadamente 1/3 deles necessitam de tratamento já
no primeiro ano de vida. Inúmeros trabalhos demonstram que quanto antes for estabelecido o
diagnóstico maiores serão as chances de sucesso no tratamento. O atendimento de crianças com
suspeita de cardiopatia gera uma grande quantidade de informação, porém a diferenciação entre
sinais e sintomas normais ou patológicos logo no início, por exemplo, na marcação da consulta,
pode ser aspecto fundamental para agilizar o atendimento. Há algum tempo a Inteligência
Artificial, mais especificamente a subárea de Mineração de Dados, tem sido utilizada como
ferramenta de suporte à decisão médica em diversas especialidades, inclusive na cardiologia.
Apesar da maioria das aplicações nesse contexto utilizarem Árvore de Decisão para classificação
devido ao seu poder de interpretação e extração de regras, Máquinas de Vetor de Suporte
(Support Vector Machines - SVM) têm demonstrado, em várias aplicações, um maior poder de
generalização apresentando melhores resultados. No entanto, esse tipo de algoritmo, caixa-preta,
não produz um conhecimento explícito de modo que um médico, especialista no domínio, possa
interpretá-lo. A proposta desse trabalho é o desenvolvimento de um sistema de apoio à decisão
médica que auxilie na detecção de cardiopatias em crianças, a partir de dados iniciais, como
gênero, peso, altura e presença de sopros, com o objetivo de priorizar o seu atendimento médico.
Técnicas para lidar com bases de dados desbalanceadas, tais como SMOTE e SVM com pesos
foram utilizadas a fim de melhorar os resultados com relação a classificadores convencionais.
Além disso, foi possível realizar a extração de regras a partir dos resultados obtidos pela SVM.
Segundo os especialistas, os resultados obtidos viabilizam a utilização do sistema de apoio
à decisão que pode ser incorporado à prática clínica para melhorar a qualidade dos serviços
prestados.
|
Page generated in 0.0921 seconds