nÃo hà / Esta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos. / This dissertation presents the results obtained from a computer-aided medical diagnostic system implemented through statistical and neural pattern classifiers. The Intelligent System for Diagnosis of Pathologies of the Vertebral Column (SINPATCO) has a modular architecture and is composed of three subsystems, namely: graphical interface, classification of pathology, and knowledge extraction. The graphical interface module allows a friendly man-machine interaction with the physician. The pathology classification module is implemented through difierent algorithms, such as linear and quadratic discriminants, Naive Bayes classifier, K Nearest Neighbors (KNN) classifier, Multilayer Perceptron (MLP) network, Self-Organizing Map (SOM) network, ang Generalized Regression network (GRNN). The knowledge extraction module is responsible for rule extraction from trained neural network based classifiers, in order to elucidate the neural-based diagnostic to the orthopedist. In particular, the pathology classification module of the SINPATCO platform uses recently proposed biomechanical attributes to categorize a patient into one out of three classes: normal subjects, subjects with spondilolistesis, and subjects with disk hernia. All the aforementioned classifiers are evaluated with respect their pathology recognition rate, number of false positive cases, number of false negative cases and sensitivity to outliers. The contribution of this work is manifold. Starting from the fact that it is probably the first to use (within the orthopaedic medicine) a recently proposed set of biomechanical measurements for the design of classifiers, this work also evaluates several pattern classifiers in the diagnosis of patologies of the vertebral column, and allows knowledge extraction from the trained classifiers in order to elucidate the obtained diagnostic to the physician. To the best of our knowledge, the combination of these three contributions makes the SINPATCO platform an innovative computer-aid tool for the orthopedist, facilitating the work of these professionals. Despite the fact that the SINPATCO platform can serve as a computer-aided diagnostic tool in the orthopedic medicine, it can also be used by non-expert clinicians, in order to minimize the lack of orthopedists in remote regions, speeding up the treatment and the transferring of patients to more developed centers.