Intelligent Medical Document Scanning System
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/11110/2542 |
Resumo: | Atualmente, vivemos uma era da digitalização, onde a indústria e instituições estão a desenvolver e utilizar serviços digitais para armazenar informações. O mesmo também se verifica no setor da saúde, onde diversos hospitais e órgãos governamentais estão a desenvolver mobile health (mhealth) applications para centralizar as informações sobre os pacientes. Estes têm como objetivo, promover a monitorização da evolução fisiológicas das pessoas de forma a prevenir ou tratar possíveis problemas de saúde atempadamente. Algumas dessas informações podem ser preenchidas pelo paciente no seu dia a dia, tais como análises ao sangue e medições dos seus níveis de pressão arterial ou glicemia. Todos estes dados requerem uma inserção manual mesmo no caso das análises provenientes de dispositivos que possuem conectividade wireless por se encontrarem limitados ao ecossistema das aplicações do próprio fabricante. Neste projeto, pretende-se desenvolver sistemas de visão capazes de extrair análises contidas em documentos (analises ao sangue) bem como as que podemos encontrar em ecrãs de dispositivos médicos genéricos que tipicamente se encontram em ambientes domésticos (medidor de tensão, oxímetro, medidor glicémico, balança e termómetro). Quanto ao sistema de visão responsável por extrair dados de dispositivos médicos, foram estudados, adaptados e comparados métodos que se proponham a detetar, classificar e agrupar dígitos por análise. Estes consistiram em três detetores de objetos (YOLOV3, SSD 320x320 e SSD 640x640), Convolutional Neural Network (CNN), e um Density-Based Spatial Clustering of Applications with Noise (DBSCAN). No final, obteve-se uma solução com precisão de 96,99%. Por fim, todos os métodos foram conjugados para dar origem ao sistema de scan inteligente de ecrãs de dispositivos médicos e validado numa aplicação médica por 20 voluntários. Por outro lado, quanto à digitalização de documentos de análises ao sangue, foram igualmente identificadas soluções para fazer reconhecimento ótico de caracteres (optical character recognition – OCR), e agregação dos compostos sanguíneos à respetiva concentração. A solução final obtida, possui uma precisão de 95,38% na deteção de compostos sanguíneos presentes nos diferentes formatos de documentos e 87,63% na associação da respetiva concentração. Como resultado, este projeto contribuiu com o desenvolvimento de um sistema de scan inteligente de informações médicas de forma a agilizar o processo de digitalização e agregação de informações médicas numa plataforma única. |
id |
RCAP_49bc58230288a53f4288fda00e3c2777 |
---|---|
oai_identifier_str |
oai:ciencipca.ipca.pt:11110/2542 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Intelligent Medical Document Scanning SystemmHealthOCRDigitalização InteligenteDispositivos médicosDocumentos MédicosAIAtualmente, vivemos uma era da digitalização, onde a indústria e instituições estão a desenvolver e utilizar serviços digitais para armazenar informações. O mesmo também se verifica no setor da saúde, onde diversos hospitais e órgãos governamentais estão a desenvolver mobile health (mhealth) applications para centralizar as informações sobre os pacientes. Estes têm como objetivo, promover a monitorização da evolução fisiológicas das pessoas de forma a prevenir ou tratar possíveis problemas de saúde atempadamente. Algumas dessas informações podem ser preenchidas pelo paciente no seu dia a dia, tais como análises ao sangue e medições dos seus níveis de pressão arterial ou glicemia. Todos estes dados requerem uma inserção manual mesmo no caso das análises provenientes de dispositivos que possuem conectividade wireless por se encontrarem limitados ao ecossistema das aplicações do próprio fabricante. Neste projeto, pretende-se desenvolver sistemas de visão capazes de extrair análises contidas em documentos (analises ao sangue) bem como as que podemos encontrar em ecrãs de dispositivos médicos genéricos que tipicamente se encontram em ambientes domésticos (medidor de tensão, oxímetro, medidor glicémico, balança e termómetro). Quanto ao sistema de visão responsável por extrair dados de dispositivos médicos, foram estudados, adaptados e comparados métodos que se proponham a detetar, classificar e agrupar dígitos por análise. Estes consistiram em três detetores de objetos (YOLOV3, SSD 320x320 e SSD 640x640), Convolutional Neural Network (CNN), e um Density-Based Spatial Clustering of Applications with Noise (DBSCAN). No final, obteve-se uma solução com precisão de 96,99%. Por fim, todos os métodos foram conjugados para dar origem ao sistema de scan inteligente de ecrãs de dispositivos médicos e validado numa aplicação médica por 20 voluntários. Por outro lado, quanto à digitalização de documentos de análises ao sangue, foram igualmente identificadas soluções para fazer reconhecimento ótico de caracteres (optical character recognition – OCR), e agregação dos compostos sanguíneos à respetiva concentração. A solução final obtida, possui uma precisão de 95,38% na deteção de compostos sanguíneos presentes nos diferentes formatos de documentos e 87,63% na associação da respetiva concentração. Como resultado, este projeto contribuiu com o desenvolvimento de um sistema de scan inteligente de informações médicas de forma a agilizar o processo de digitalização e agregação de informações médicas numa plataforma única.2023-01-162023-01-16T00:00:00Z2022-06-15T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/11110/2542http://hdl.handle.net/11110/2542TID:203167643engLobo, Pedro Jorge Ribeiroinfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-01-19T04:16:05Zoai:ciencipca.ipca.pt:11110/2542Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:45:18.935934Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Intelligent Medical Document Scanning System |
title |
Intelligent Medical Document Scanning System |
spellingShingle |
Intelligent Medical Document Scanning System Lobo, Pedro Jorge Ribeiro mHealth OCR Digitalização Inteligente Dispositivos médicos Documentos Médicos AI |
title_short |
Intelligent Medical Document Scanning System |
title_full |
Intelligent Medical Document Scanning System |
title_fullStr |
Intelligent Medical Document Scanning System |
title_full_unstemmed |
Intelligent Medical Document Scanning System |
title_sort |
Intelligent Medical Document Scanning System |
author |
Lobo, Pedro Jorge Ribeiro |
author_facet |
Lobo, Pedro Jorge Ribeiro |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lobo, Pedro Jorge Ribeiro |
dc.subject.por.fl_str_mv |
mHealth OCR Digitalização Inteligente Dispositivos médicos Documentos Médicos AI |
topic |
mHealth OCR Digitalização Inteligente Dispositivos médicos Documentos Médicos AI |
description |
Atualmente, vivemos uma era da digitalização, onde a indústria e instituições estão a desenvolver e utilizar serviços digitais para armazenar informações. O mesmo também se verifica no setor da saúde, onde diversos hospitais e órgãos governamentais estão a desenvolver mobile health (mhealth) applications para centralizar as informações sobre os pacientes. Estes têm como objetivo, promover a monitorização da evolução fisiológicas das pessoas de forma a prevenir ou tratar possíveis problemas de saúde atempadamente. Algumas dessas informações podem ser preenchidas pelo paciente no seu dia a dia, tais como análises ao sangue e medições dos seus níveis de pressão arterial ou glicemia. Todos estes dados requerem uma inserção manual mesmo no caso das análises provenientes de dispositivos que possuem conectividade wireless por se encontrarem limitados ao ecossistema das aplicações do próprio fabricante. Neste projeto, pretende-se desenvolver sistemas de visão capazes de extrair análises contidas em documentos (analises ao sangue) bem como as que podemos encontrar em ecrãs de dispositivos médicos genéricos que tipicamente se encontram em ambientes domésticos (medidor de tensão, oxímetro, medidor glicémico, balança e termómetro). Quanto ao sistema de visão responsável por extrair dados de dispositivos médicos, foram estudados, adaptados e comparados métodos que se proponham a detetar, classificar e agrupar dígitos por análise. Estes consistiram em três detetores de objetos (YOLOV3, SSD 320x320 e SSD 640x640), Convolutional Neural Network (CNN), e um Density-Based Spatial Clustering of Applications with Noise (DBSCAN). No final, obteve-se uma solução com precisão de 96,99%. Por fim, todos os métodos foram conjugados para dar origem ao sistema de scan inteligente de ecrãs de dispositivos médicos e validado numa aplicação médica por 20 voluntários. Por outro lado, quanto à digitalização de documentos de análises ao sangue, foram igualmente identificadas soluções para fazer reconhecimento ótico de caracteres (optical character recognition – OCR), e agregação dos compostos sanguíneos à respetiva concentração. A solução final obtida, possui uma precisão de 95,38% na deteção de compostos sanguíneos presentes nos diferentes formatos de documentos e 87,63% na associação da respetiva concentração. Como resultado, este projeto contribuiu com o desenvolvimento de um sistema de scan inteligente de informações médicas de forma a agilizar o processo de digitalização e agregação de informações médicas numa plataforma única. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-06-15T00:00:00Z 2023-01-16 2023-01-16T00:00:00Z |
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 |
http://hdl.handle.net/11110/2542 http://hdl.handle.net/11110/2542 TID:203167643 |
url |
http://hdl.handle.net/11110/2542 |
identifier_str_mv |
TID:203167643 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
eu_rights_str_mv |
embargoedAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799130924900679680 |