Spelling suggestions: "subject:"telediagnóstico"" "subject:"deldiagnóstico""
1 |
SISTEMA ESPECIALISTA PARA TELEDIAGNÓSTICO NO AMBIENTE DE WEB SERVICES WST Web Services Telediagnosis / SYSTEM SPECIALIST FOR TELEDIAGNOSIS IN THE ENVIRONMENT OF WEB SERVICES WST Web Services TelediagnosisLuna Filho, Antonio Luis do Rêgo 30 September 2005 (has links)
Made available in DSpace on 2016-08-17T14:52:59Z (GMT). No. of bitstreams: 1
Antonio Luis Rego Luna Filho.pdf: 1930495 bytes, checksum: 3eb0cfc4163890c838324f8e021199e8 (MD5)
Previous issue date: 2005-09-30 / This work approaches the telemedicine through an area of study about telediagnosis. The solution proposed here will be the development of an expert system which has the objective of sharing rule base in an internet environment, using the web services technology. The knowledge basis of expert system will be built on malaria diseases. Some technologies such as: the JESS - Java Expert System Shell, the Java language and also Protegé tool to ontologies generations. The major interest of this project is to attend communities located far from cities giving them accurate medical support. / Este trabalho aborda a telemedicina através da área de estudo sobre o telediagnóstico.
O maior objetivo é desenvolver um mecanismo de inferência utilizando uma ferramenta chamada JESS Java Expert System Shell, para diagnosticar malária, disponibiliza-lo como serviço no ambiente da internet através de um framework para construção de Web Services, para que se possa oferecer uma solução às regiões menos favorecidas.
Algumas tecnologias irão dar suporte ao trabalho, como o software Protegé, que será usado na modelagem do conhecimento acerca da malária, através de ontologias e a UML Unified Modeling Language para modelagem do protótipo do mecanismo de inferência.
|
2 |
IMPLEMENTAÇÃO DE UM SISTEMA DE TELEDIAGNÓSTICO PARA CLASSIFICAÇÃO DE MASSAS EM IMAGENS MAMOGRÁFICAS USANDO ANÁLISE DE COMPONENTES INDEPENDENTES / IMPLEMENTATION OF A SYSTEM OF TELEDIAGNOSIS FOR CLASSIFICATION OF MASSES IN MAMMOGRAPHIC IMAGES USING INDEPENDENT COMPONENT ANALYSISSilva, Luis Claudio de Oliveira 24 July 2012 (has links)
Made available in DSpace on 2016-08-17T14:53:22Z (GMT). No. of bitstreams: 1
dissertacao Luis Claudio.pdf: 2055680 bytes, checksum: 4e51c93fd4aa6edfad51ab54ad4044f6 (MD5)
Previous issue date: 2012-07-24 / This thesis proposes the modeling and implementation of a telediagnostic system for analysis and detection of lesions in mammographic images based on independent component analysis and support vector machine. The system analyzes images from digital mammography sent over the Internet and provides a diagnostic, indicating the presence of suspicious regions, which can be confirmed by a specialist in mammographic images. Besides presenting the methodology for the development of the proposed system, a prototype was developed for testing and to measure its efficiency. The database used for training and testing of the algorithms is the mini-MIAS, and was employed independent component analysis to extract the filters used in segmenting the regions of interest, as well support vector machine to classify regions of interest in normal or suspicious. From tests with the database used, we obtained an average accuracy of 87.8% for images containing lesions. / Este trabalho propõe a modelagem e implementação de um sistema de telediagnóstico para análise e detecção automática de lesões em imagens mamográficas, baseado em análise de componentes independentes e máquina de vetor de suporte. O sistema analisa imagens de mamografia digital enviadas pela Internet e fornece um diagnóstico da imagem, indicando a presença de regiões suspeitas, que podem ser confirmadas por um especialista em imagens mamográficas. Além de apresentar a metodologia para o desenvolvimento do sistema proposto, foi desenvolvido um protótipo para a realização de testes objetivando medir sua eficiência. A base de dados usada para treinamento e teste dos algoritmos foi a mini-MIAS, e foi empregada análise de componentes independentes para extrair os filtros usados na segmentação das regiões de interesse, bem como máquina de vetor de suporte para classificar as regiões de interesse em normais ou suspeitas. A partir de testes realizados com a base de dados utilizada, obteve-se média de acerto de 87,8% para imagens que contém lesões.
|
Page generated in 0.0377 seconds