Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Bernardo, Lucas Salvador
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Processamento de imagens
Doença de Parkinson
Software
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/115677
Resumo: A Doença de Parkinson (DP) consiste em uma disordem neurodegenerativa que afeta atualmente cerca de 10 milhões de pessoas no mundo, sendo homens os mais propícios a apresentarem a doença. A DP é caracterizada pela perda de neurônios na região do cérebro chamada de Substância Negra. Os neurônios dessa região, são os responsáveis pela sintetização do neurotransmissor Dopamina, cuja a redução nessa região pode ocasionar os sintomas motores tão caracteristicos da doença. Para a realização do diagnóstico da DP, é observado o histórico médico do paciente e realiza-se uma série de exames clinicos afim de estabelecer o diagnostico definitivo da doença e sua mensuração nas escalas. Um dos exames a ser realizado no consultório médico, consiste em pedir que o paciente realize uma série de desenhos específicos, onde são observados os desvios cometidos pelo paciente. Estre trabalho, consiste em fazer com que o paciente realize esses desenhos, utilizando o mouse do computador, no software desenvolvido para este trabalho. Os desenhos passam então por uma série de técnicas de processamento de imagem, afim de reduzir ruidos e extrair as caracteristicas de cada desenho, sendo essas, 11 métricas que são armazenadas em arquivos Excel. Técnicas de Aprendizado de Máquina como Floreta de Caminhos Ótimos (Optimum Path Forest - OPF), Support Vector Machines (SVM) e Classificador Bayesiano (Bayes) são aplicados nos conjuntos de dados em busca do aprendizado sobre as características para o processo de classificação dos indivíduos que foram rotulados pelas classes (Pacientes e Saudáveis). Palavras-chave: Aprendizagem de máquina. Processamento de imagem. Software. Doença de Parkinson.
id UFOR_da6bbf167275baba4ce3185d488bbca7
oai_identifier_str oai::115677
network_acronym_str UFOR
network_name_str Biblioteca Digital de Teses e Dissertações da UNIFOR
repository_id_str
spelling Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de ParkinsonProcessamento de imagensDoença de ParkinsonSoftwareA Doença de Parkinson (DP) consiste em uma disordem neurodegenerativa que afeta atualmente cerca de 10 milhões de pessoas no mundo, sendo homens os mais propícios a apresentarem a doença. A DP é caracterizada pela perda de neurônios na região do cérebro chamada de Substância Negra. Os neurônios dessa região, são os responsáveis pela sintetização do neurotransmissor Dopamina, cuja a redução nessa região pode ocasionar os sintomas motores tão caracteristicos da doença. Para a realização do diagnóstico da DP, é observado o histórico médico do paciente e realiza-se uma série de exames clinicos afim de estabelecer o diagnostico definitivo da doença e sua mensuração nas escalas. Um dos exames a ser realizado no consultório médico, consiste em pedir que o paciente realize uma série de desenhos específicos, onde são observados os desvios cometidos pelo paciente. Estre trabalho, consiste em fazer com que o paciente realize esses desenhos, utilizando o mouse do computador, no software desenvolvido para este trabalho. Os desenhos passam então por uma série de técnicas de processamento de imagem, afim de reduzir ruidos e extrair as caracteristicas de cada desenho, sendo essas, 11 métricas que são armazenadas em arquivos Excel. Técnicas de Aprendizado de Máquina como Floreta de Caminhos Ótimos (Optimum Path Forest - OPF), Support Vector Machines (SVM) e Classificador Bayesiano (Bayes) são aplicados nos conjuntos de dados em busca do aprendizado sobre as características para o processo de classificação dos indivíduos que foram rotulados pelas classes (Pacientes e Saudáveis). Palavras-chave: Aprendizagem de máquina. Processamento de imagem. Software. Doença de Parkinson.The Parkinson's Disease (PD) consists in a neurodegenerative disorder that affects around 10 million people in the world. This condition is slightly more prevalent in males. PD is characterized by the loss of neurons in a region of the brain, known as Substantia Nigra. The neurons of this region, are responsible for synthesizing the neurotransmitter Dopamine, and a decrease in the production of this substance may cause the motor symptoms that are characteristic of the disease. In order to obtain a definitive diagnosis, the patient's medical history is analysed and the subject is submitted to a series of clinical exams. One of the exams, that take place in the clinical environment, consists of asking the patient to create a series of specific drawings. This work is based in asking the patients to make this drawings using a software developed for this specific purpose. The drawings will then pass through a series of image processing methods in order to "reduce noises and extract the characteristics of each drawing being those 11 metrics that will be stored into a .Excel file. Machine learning techniques such as: OPF, SVM and Naive Bayes, will use the dataset in search for learning about the characteristics for the process of classification of the individuals that were labelled by the classes (Sick and Healthy). Keywords: Machine Learning. Image processing. Software. Parkinson disease.Dissertacao enviada com autorização e certificação via CI 94955/18.Albuquerque, Victor Hugo Costa dePereira, Clayton ReginaldoAlbuquerque, Victor Hugo Costa dePereira, Clayton ReginaldoCarvalho, Fernanda Martins MaiaFelix, John Hebert da SilvaRebouças Filho, Pedro PedrosaUniversidade de Fortaleza. Programa de Pós-Graduação em Informática AplicadaBernardo, Lucas Salvador2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/115677https://uol.unifor.br/auth-sophia/exibicao/20017porreponame:Biblioteca Digital de Teses e Dissertações da UNIFORinstname:Universidade de Fortaleza (UNIFOR)instacron:UNIFORinfo:eu-repo/semantics/openAccess2024-01-25T12:03:05Zoai::115677Biblioteca Digital de Teses e Dissertaçõeshttps://www.unifor.br/bdtdONGhttp://dspace.unifor.br/oai/requestbib@unifor.br||bib@unifor.bropendoar:2024-01-25T12:03:05Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)false
dc.title.none.fl_str_mv Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
title Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
spellingShingle Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
Bernardo, Lucas Salvador
Processamento de imagens
Doença de Parkinson
Software
title_short Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
title_full Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
title_fullStr Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
title_full_unstemmed Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
title_sort Pkdiagnostic: uma ferramenta computacional para o auxílio ao diagnóstico da doença de Parkinson
author Bernardo, Lucas Salvador
author_facet Bernardo, Lucas Salvador
author_role author
dc.contributor.none.fl_str_mv Albuquerque, Victor Hugo Costa de
Pereira, Clayton Reginaldo
Albuquerque, Victor Hugo Costa de
Pereira, Clayton Reginaldo
Carvalho, Fernanda Martins Maia
Felix, John Hebert da Silva
Rebouças Filho, Pedro Pedrosa
Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada
dc.contributor.author.fl_str_mv Bernardo, Lucas Salvador
dc.subject.por.fl_str_mv Processamento de imagens
Doença de Parkinson
Software
topic Processamento de imagens
Doença de Parkinson
Software
description A Doença de Parkinson (DP) consiste em uma disordem neurodegenerativa que afeta atualmente cerca de 10 milhões de pessoas no mundo, sendo homens os mais propícios a apresentarem a doença. A DP é caracterizada pela perda de neurônios na região do cérebro chamada de Substância Negra. Os neurônios dessa região, são os responsáveis pela sintetização do neurotransmissor Dopamina, cuja a redução nessa região pode ocasionar os sintomas motores tão caracteristicos da doença. Para a realização do diagnóstico da DP, é observado o histórico médico do paciente e realiza-se uma série de exames clinicos afim de estabelecer o diagnostico definitivo da doença e sua mensuração nas escalas. Um dos exames a ser realizado no consultório médico, consiste em pedir que o paciente realize uma série de desenhos específicos, onde são observados os desvios cometidos pelo paciente. Estre trabalho, consiste em fazer com que o paciente realize esses desenhos, utilizando o mouse do computador, no software desenvolvido para este trabalho. Os desenhos passam então por uma série de técnicas de processamento de imagem, afim de reduzir ruidos e extrair as caracteristicas de cada desenho, sendo essas, 11 métricas que são armazenadas em arquivos Excel. Técnicas de Aprendizado de Máquina como Floreta de Caminhos Ótimos (Optimum Path Forest - OPF), Support Vector Machines (SVM) e Classificador Bayesiano (Bayes) são aplicados nos conjuntos de dados em busca do aprendizado sobre as características para o processo de classificação dos indivíduos que foram rotulados pelas classes (Pacientes e Saudáveis). Palavras-chave: Aprendizagem de máquina. Processamento de imagem. Software. Doença de Parkinson.
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/115677
url https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/115677
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://uol.unifor.br/auth-sophia/exibicao/20017
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR
instname:Universidade de Fortaleza (UNIFOR)
instacron:UNIFOR
instname_str Universidade de Fortaleza (UNIFOR)
instacron_str UNIFOR
institution UNIFOR
reponame_str Biblioteca Digital de Teses e Dissertações da UNIFOR
collection Biblioteca Digital de Teses e Dissertações da UNIFOR
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)
repository.mail.fl_str_mv bib@unifor.br||bib@unifor.br
_version_ 1846365333370175488

Registros relacionados