Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Binato, Henrique Amaral
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: Universidade Federal de Viçosa
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Pneumonia
Tórax - Radiografia
Rastreamento médico
Inteligencia Artificial
Ciências da Saúde
Link de acesso: https://locus.ufv.br//handle/123456789/28862
Resumo: As pneumonias são uma das principais causas de morbidade e mortalidade em crianças, especialmente em países em desenvolvimento. Não é incomum que um diagnóstico tardio possa revelar um desfecho trágico. Sinais e sintomas não são sempre suficientes para o diagnóstico correto, portanto, a radiografia de tórax se torna uma ferramenta fundamental em todo o processo. No entanto, não existe um modelo padronizado para análise de radiografias de tórax em crianças, o que pode levar a múltiplas interpretações da mesma imagem, portanto, um possível erro na prescrição de medicamentos antimicrobianos. Este estudo observacional teve como objetivo rastrear os movimentos oculares e o comportamento pupilar de um radiologista e cinco estudantes de medicina que não tinham treinamento em radiologia e comparar os dois grupos. Para a tarefa de rastreamento ocular foi utilizado um dispositivo de rastreamento ocular móvel colocado em todos os participantes que analisaram 12 radiografias previamente selecionadas contendo ou sem características radiográficas compatíveis com pneumonia adquirida na comunidade em crianças entre zero e doze anos de idade. Para a análise foram utilizadas técnicas de inteligência artificial contidas na plataforma WEKA ® . Os resultados mostram que o comportamento pupilar foi significativo na tomada de decisão diagnóstica e, quando a radiografia estava normal, o padrão de movimento ocular também era estatisticamente significativo. Os algoritmos mostraram uma taxa muito boa em precisão e sensibilidade em dados de aprendizagem, com vista ao diagnóstico correto de pneumonia em crianças.
id UFV_9882af0941d5fc4a42260f1e3314b78b
oai_identifier_str oai:locus.ufv.br:123456789/28862
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str
spelling Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificialRadiographic diagnosis of childhood pneumonia: a study using mobile eye tracking and artificial intelligence techniquesPneumoniaTórax - RadiografiaRastreamento médicoInteligencia ArtificialCiências da SaúdeAs pneumonias são uma das principais causas de morbidade e mortalidade em crianças, especialmente em países em desenvolvimento. Não é incomum que um diagnóstico tardio possa revelar um desfecho trágico. Sinais e sintomas não são sempre suficientes para o diagnóstico correto, portanto, a radiografia de tórax se torna uma ferramenta fundamental em todo o processo. No entanto, não existe um modelo padronizado para análise de radiografias de tórax em crianças, o que pode levar a múltiplas interpretações da mesma imagem, portanto, um possível erro na prescrição de medicamentos antimicrobianos. Este estudo observacional teve como objetivo rastrear os movimentos oculares e o comportamento pupilar de um radiologista e cinco estudantes de medicina que não tinham treinamento em radiologia e comparar os dois grupos. Para a tarefa de rastreamento ocular foi utilizado um dispositivo de rastreamento ocular móvel colocado em todos os participantes que analisaram 12 radiografias previamente selecionadas contendo ou sem características radiográficas compatíveis com pneumonia adquirida na comunidade em crianças entre zero e doze anos de idade. Para a análise foram utilizadas técnicas de inteligência artificial contidas na plataforma WEKA ® . Os resultados mostram que o comportamento pupilar foi significativo na tomada de decisão diagnóstica e, quando a radiografia estava normal, o padrão de movimento ocular também era estatisticamente significativo. Os algoritmos mostraram uma taxa muito boa em precisão e sensibilidade em dados de aprendizagem, com vista ao diagnóstico correto de pneumonia em crianças.Pneumonia are a major cause of morbidity and mortality in children, specially in developing countries. It is not uncommom that late ou wrong diangosis may reveal a tragic outcome. Signs and symptons are not enough to correctly diagnosis, thus the chest radiography becomes a fundamental tool all over the process. However, there is not a standartized model for analysing chest x-rays in children, what may lead to multiple interpretations of the same image, therefore a possible error in prescribing antimicrobial medications. This observational study aimed to track the ocular movements and pupilar behavior of one radiologist and five medical students, wich had no training in radiology and compare both groups. For the eye tracking task was used a mobile eye tracking device placed in all participants who analysed twelve previously selected x-rays containing or nor radiographic features compatible with community- acquired pneumonia in children between zero and twelve-year-old. For the analysis were used artificial intelligence techniques contained at the WEKA ® . The results show that the pupillary behavior was significant in the diagnostic decision making and, when the radiography was normal, the pattern of ocular movement was also statistically significant. The algorithms showed very good rate in accuracy and sensitivity in learning data with a view to the correct diagnosis of pneumonia in children.Universidade Federal de ViçosaBinato, Henrique Amaralhttp://lattes.cnpq.br/8251373782820257Silva, Eugênio daCosta, Israel Teoldo daBinato, Henrique Amaral2022-05-02T18:07:28Z2022-05-02T18:07:28Z2018-07-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfBINATO, Henrique Amaral. Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial. 2018. 80 f. Mestrado (Mestrado em Ciências da Saúde) - Universidade Federal de Viçosa, Viçosa. 2018.https://locus.ufv.br//handle/123456789/28862porinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFV2024-07-12T06:24:35Zoai:locus.ufv.br:123456789/28862Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452024-07-12T06:24:35LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.none.fl_str_mv Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
Radiographic diagnosis of childhood pneumonia: a study using mobile eye tracking and artificial intelligence techniques
title Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
spellingShingle Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
Binato, Henrique Amaral
Pneumonia
Tórax - Radiografia
Rastreamento médico
Inteligencia Artificial
Ciências da Saúde
title_short Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
title_full Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
title_fullStr Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
title_full_unstemmed Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
title_sort Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial
author Binato, Henrique Amaral
author_facet Binato, Henrique Amaral
author_role author
dc.contributor.none.fl_str_mv Binato, Henrique Amaral
http://lattes.cnpq.br/8251373782820257
Silva, Eugênio da
Costa, Israel Teoldo da
dc.contributor.author.fl_str_mv Binato, Henrique Amaral
dc.subject.por.fl_str_mv Pneumonia
Tórax - Radiografia
Rastreamento médico
Inteligencia Artificial
Ciências da Saúde
topic Pneumonia
Tórax - Radiografia
Rastreamento médico
Inteligencia Artificial
Ciências da Saúde
description As pneumonias são uma das principais causas de morbidade e mortalidade em crianças, especialmente em países em desenvolvimento. Não é incomum que um diagnóstico tardio possa revelar um desfecho trágico. Sinais e sintomas não são sempre suficientes para o diagnóstico correto, portanto, a radiografia de tórax se torna uma ferramenta fundamental em todo o processo. No entanto, não existe um modelo padronizado para análise de radiografias de tórax em crianças, o que pode levar a múltiplas interpretações da mesma imagem, portanto, um possível erro na prescrição de medicamentos antimicrobianos. Este estudo observacional teve como objetivo rastrear os movimentos oculares e o comportamento pupilar de um radiologista e cinco estudantes de medicina que não tinham treinamento em radiologia e comparar os dois grupos. Para a tarefa de rastreamento ocular foi utilizado um dispositivo de rastreamento ocular móvel colocado em todos os participantes que analisaram 12 radiografias previamente selecionadas contendo ou sem características radiográficas compatíveis com pneumonia adquirida na comunidade em crianças entre zero e doze anos de idade. Para a análise foram utilizadas técnicas de inteligência artificial contidas na plataforma WEKA ® . Os resultados mostram que o comportamento pupilar foi significativo na tomada de decisão diagnóstica e, quando a radiografia estava normal, o padrão de movimento ocular também era estatisticamente significativo. Os algoritmos mostraram uma taxa muito boa em precisão e sensibilidade em dados de aprendizagem, com vista ao diagnóstico correto de pneumonia em crianças.
publishDate 2018
dc.date.none.fl_str_mv 2018-07-31
2022-05-02T18:07:28Z
2022-05-02T18:07:28Z
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 BINATO, Henrique Amaral. Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial. 2018. 80 f. Mestrado (Mestrado em Ciências da Saúde) - Universidade Federal de Viçosa, Viçosa. 2018.
https://locus.ufv.br//handle/123456789/28862
identifier_str_mv BINATO, Henrique Amaral. Diagnóstico radiográfico das pneumonias na infância: um estudo utilizando o mobile eye tracking e técnicas de inteligência artificial. 2018. 80 f. Mestrado (Mestrado em Ciências da Saúde) - Universidade Federal de Viçosa, Viçosa. 2018.
url https://locus.ufv.br//handle/123456789/28862
dc.language.iso.fl_str_mv por
language por
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.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1855045582757822464

Registros relacionados