@MASTERSTHESIS{ 2023:1594107827,
 	title = {O uso do diagnóstico assistido por computador na pesquisa da malária: uma avaliação entre o padrão ouro de diagnóstico da  malária e o sistema de diagnóstico automatizado por meio da inteligência artificial},
 	year = {2023},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/4906",
 	abstract = "Contexto: A malária é uma das doenças parasitárias mais graves que afetam grande parte da 
 população mundial. Transmitida através da picada de um mosquito fêmea do gênero Anopheles,
 que deposita o parasita na corrente sanguínea, a doença só é detectada através de uma análise 
 de exame precisa, visto que a microscopia, mesmo sendo padrão ouro de diagnóstico, possui 
 interferentes que podem comprometer a análise. Por isso, o método automatizado que se utiliza 
 da técnica de diagnóstico assistida por computador (CAD) a partir do uso de modelos de 
 aprendizagem de máquinas no auxílio à microscopia, pode trazer resultados mais fidedignos e 
 consistentes. Objetivo: Nesta dissertação foi realizada uma revisão comparativa entre o uso do 
 sistema CAD e os testes do padrão ouro para diagnóstico da malária. Método: Desta forma, foi 
 realizado um levantamento dos estudos existentes sobre o uso do sistema CAD no diagnóstico 
 da malária nas principais plataformas de busca: MEDLINE/PUBMED, ScienceDirect, IEEE, 
 Cochrane Library, Portal de Periódicos da CAPES, LILACS, EMBASE e Google acadêmico; 
 na busca foram o empregadas expressões previamente definidas e em língua inglesa. Os artigos 
 localizados foram submetidos à catalogação preliminar das publicações, à aplicação de filtro de 
 seleção das publicações relevantes (critérios de inclusão e exclusão) e ao filtro de qualidade. 
 Foram realizadas análises de variáveis estatísticas, como sensibilidade e especificidade, e 
 comparadas com os resultados dos testes de padrão ouro, observando-se assim a diferença 
 estatística significativa entre os grupos. Conclusão: De acordo com as pesquisas realizadas, as 
 mesmas mostraram resultados satisfatórios para a implementação do sistema CAD no 
 diagnóstico de doenças. A agregação de metodologias de deep learning com CNNs tem 
 potencializado e melhorado os resultados na identificação de parasitas da malária em 
 comparação com técnicas de microscopia.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}