Compartilhamento |
![]() ![]() |
Use este identificador para citar ou linkar para este item:
http://tede.bc.uepb.edu.br/jspui/handle/tede/3250
Tipo do documento: | Dissertação |
Título: | Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
Autor: | Martins, Genilson Medeiros ![]() |
Primeiro orientador: | Sousa, Robson Pequeno de |
Primeiro membro da banca: | Araújo, Joseana Macêdo Fechine Régis de |
Segundo membro da banca: | Medeiros, Jovany Luis Alves de |
Resumo: | Estudo publicado em 2016, na revista Improving Diagnosis in Health Care pelo Institute of Medicine (IMO), afirma que um em dez diagnósticos estão incorretos e que pelo menos uma pessoa em cada três tem experiência relacionada a um erro de diagnóstico. Pesquisadores descobriram que erros em diagnósticos respondem pela maior fração de alegações de negligência e o maior quantitativo de pagamentos de penalidade como multas e indenizações. Na Eletromiografia, do ponto de vista clínico, o diagnóstico das doenças como a Esclerose Lateral Amiotrófica (ELA) e miopatias, nos estágios iniciais é de difícil diagnóstico, à medida que os sintomas dessas doenças podem ser facilmente confundidos com outras doenças. Contudo, neste trabalho é apresentado um sistema para auxílio ao diagnóstico médico (Computer-Aided Diagnosis - CAD), visando ao aprimoramento e ao aumento na eficiência, precisão e rapidez do diagnóstico clínico, capaz de classificar os sinais eletromiográficos automaticamente em saudável, miopatia e ELA, proporcionando uma segunda opinião ao especialista médico. |
Abstract: | A study published in 2016 in the journal Improving Diagnosis in Health Care by the Institute of Medicine (IMO) states that one in ten diagnoses are incorrect and that at least one person in three has experience related to a diagnostic error. Researchers have found that errors in diagnoses account for the largest fraction of negligence claims and the highest amount of penalty payments such as fines and damages. From the clinical point of view, the diagnosis of diseases such as Amyotrophic Lateral Sclerosis (ALS) and myopathies in the early stages of diagnosis is difficult to diagnose, as the symptoms of these diseases can easily be confused with other diseases. However, this work presents a hybrid system to aid in the diagnosis (CAD), aiming at improving and increasing the efficiency, accuracy and speed of the clinical diagnosis, capable of automatically classifying electromyographic signals into healthy, myopathy and ELA, providing a second opinion to the medical specialist. |
Palavras-chave: | Eletromiografia Classificação Diagnóstico médico Electromyography Classification Diagnosis |
Área(s) do CNPq: | CIENCIAS DA SAUDE::MEDICINA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Estadual da Paraíba |
Sigla da instituição: | UEPB |
Departamento: | Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP |
Programa: | Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
Citação: | MARTINS, G. M. Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico. 2018. 68f. Dissertação (Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS) - Universidade Estadual da Paraíba, Campina Grande, 2018. |
Tipo de acesso: | Acesso Aberto |
URI: | http://tede.bc.uepb.edu.br/jspui/handle/tede/3250 |
Data de defesa: | 4-Out-2018 |
Aparece nas coleções: | PPGCTS - Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
PDF - Genilson Medeiros Martins.pdf | PDF - Genilson Medeiros Martins | 30.34 MB | Adobe PDF | ![]() Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.