Mineração de Dados Aplicada à Cardiologia Pediátrica

Detalhes bibliográficos
Ano de defesa: 2007
Autor(a) principal: GURGEL, Tarcisio Barbosa
Orientador(a): ADEODATO, Paulo Jorge Leitão
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/2699
Resumo: 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
id UFPE_71e1eaa3e357f8483cfe2ddd5c1e395c
oai_identifier_str oai:repositorio.ufpe.br:123456789/2699
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling GURGEL, Tarcisio BarbosaADEODATO, Paulo Jorge Leitão2014-06-12T16:00:22Z2014-06-12T16:00:22Z2007Barbosa Gurgel, Tarcisio; Jorge Leitão Adeodato, Paulo. Mineração de Dados Aplicada à Cardiologia Pediátrica. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007.https://repositorio.ufpe.br/handle/123456789/2699As 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 prestadoporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessMineração de dadosInteligência artificial na medicinaSistemas de apoio ao diagnósticoMineração de Dados Aplicada à Cardiologia Pediátricainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILarquivo6533_1.pdf.jpgarquivo6533_1.pdf.jpgGenerated Thumbnailimage/jpeg1347https://repositorio.ufpe.br/bitstream/123456789/2699/4/arquivo6533_1.pdf.jpg36c3308555a336cac5d6d106df64f960MD54ORIGINALarquivo6533_1.pdfapplication/pdf1469560https://repositorio.ufpe.br/bitstream/123456789/2699/1/arquivo6533_1.pdfef97b30d0340855558e6dac6050e5b5fMD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/2699/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo6533_1.pdf.txtarquivo6533_1.pdf.txtExtracted texttext/plain188758https://repositorio.ufpe.br/bitstream/123456789/2699/3/arquivo6533_1.pdf.txt5a6658a8fcb5a1a70c9289db036dcbc4MD53123456789/26992019-10-25 03:32:21.936oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T06:32:21Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Mineração de Dados Aplicada à Cardiologia Pediátrica
title Mineração de Dados Aplicada à Cardiologia Pediátrica
spellingShingle Mineração de Dados Aplicada à Cardiologia Pediátrica
GURGEL, Tarcisio Barbosa
Mineração de dados
Inteligência artificial na medicina
Sistemas de apoio ao diagnóstico
title_short Mineração de Dados Aplicada à Cardiologia Pediátrica
title_full Mineração de Dados Aplicada à Cardiologia Pediátrica
title_fullStr Mineração de Dados Aplicada à Cardiologia Pediátrica
title_full_unstemmed Mineração de Dados Aplicada à Cardiologia Pediátrica
title_sort Mineração de Dados Aplicada à Cardiologia Pediátrica
author GURGEL, Tarcisio Barbosa
author_facet GURGEL, Tarcisio Barbosa
author_role author
dc.contributor.author.fl_str_mv GURGEL, Tarcisio Barbosa
dc.contributor.advisor1.fl_str_mv ADEODATO, Paulo Jorge Leitão
contributor_str_mv ADEODATO, Paulo Jorge Leitão
dc.subject.por.fl_str_mv Mineração de dados
Inteligência artificial na medicina
Sistemas de apoio ao diagnóstico
topic Mineração de dados
Inteligência artificial na medicina
Sistemas de apoio ao diagnóstico
description 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
publishDate 2007
dc.date.issued.fl_str_mv 2007
dc.date.accessioned.fl_str_mv 2014-06-12T16:00:22Z
dc.date.available.fl_str_mv 2014-06-12T16:00:22Z
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.citation.fl_str_mv Barbosa Gurgel, Tarcisio; Jorge Leitão Adeodato, Paulo. Mineração de Dados Aplicada à Cardiologia Pediátrica. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/2699
identifier_str_mv Barbosa Gurgel, Tarcisio; Jorge Leitão Adeodato, Paulo. Mineração de Dados Aplicada à Cardiologia Pediátrica. 2007. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2007.
url https://repositorio.ufpe.br/handle/123456789/2699
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/2699/4/arquivo6533_1.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/2699/1/arquivo6533_1.pdf
https://repositorio.ufpe.br/bitstream/123456789/2699/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/2699/3/arquivo6533_1.pdf.txt
bitstream.checksum.fl_str_mv 36c3308555a336cac5d6d106df64f960
ef97b30d0340855558e6dac6050e5b5f
8a4605be74aa9ea9d79846c1fba20a33
5a6658a8fcb5a1a70c9289db036dcbc4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741606808944640