Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Sba: Controle & Automação Sociedade Brasileira de Automatica |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592011000400004 |
Resumo: | Este trabalho apresenta uma abordagem utilizando sistemas Fuzzy para o monitoramento de saúde de um paciente em ambientes de computação pervasiva. Um modelo de decisão considera três classes de variáveis que constituem as informações de contexto sendo coletadas: ambientais, fisiológicas e comportamentais. Um estudo de caso de monitoramento da pressão arterial foi desenvolvido para identificar situações críticas com base em conhecimento médico. A solução mantém a interpretabilidade de um conjunto de regras definidas, mesmo após uma fase de aprendizado que propõe ajustes nessas regras. Nessa fase, a técnica de agrupamento Fuzzy C-Means foi escolhida para o ajuste das funções de pertinência, usando os centros dos agrupamentos. Uma equipe médica avaliou dados de monitoramento de 24 horas de 30 pacientes e esta avaliação foi comparada com os resultados do sistema. A abordagem proposta demonstrou ser individualizada, identificando situações críticas em pacientes com diferentes níveis de pressão arterial, com uma acurácia de 90% e baixa taxa de falsos negativos. |
id |
SBA-2_bf4b83aebbfc47bc8ffdec9e71ab6944 |
---|---|
oai_identifier_str |
oai:scielo:S0103-17592011000400004 |
network_acronym_str |
SBA-2 |
network_name_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository_id_str |
|
spelling |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúdeinferência de contextológica fuzzytratamento de saúdecomputação pervasivaEste trabalho apresenta uma abordagem utilizando sistemas Fuzzy para o monitoramento de saúde de um paciente em ambientes de computação pervasiva. Um modelo de decisão considera três classes de variáveis que constituem as informações de contexto sendo coletadas: ambientais, fisiológicas e comportamentais. Um estudo de caso de monitoramento da pressão arterial foi desenvolvido para identificar situações críticas com base em conhecimento médico. A solução mantém a interpretabilidade de um conjunto de regras definidas, mesmo após uma fase de aprendizado que propõe ajustes nessas regras. Nessa fase, a técnica de agrupamento Fuzzy C-Means foi escolhida para o ajuste das funções de pertinência, usando os centros dos agrupamentos. Uma equipe médica avaliou dados de monitoramento de 24 horas de 30 pacientes e esta avaliação foi comparada com os resultados do sistema. A abordagem proposta demonstrou ser individualizada, identificando situações críticas em pacientes com diferentes níveis de pressão arterial, com uma acurácia de 90% e baixa taxa de falsos negativos.Sociedade Brasileira de Automática2011-08-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592011000400004Sba: Controle & Automação Sociedade Brasileira de Automatica v.22 n.4 2011reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592011000400004info:eu-repo/semantics/openAccessCopetti,AlessandroLeite,J. C. B.Loques,O.por2011-09-26T00:00:00Zoai:scielo:S0103-17592011000400004Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2011-09-26T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false |
dc.title.none.fl_str_mv |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
title |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
spellingShingle |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde Copetti,Alessandro inferência de contexto lógica fuzzy tratamento de saúde computação pervasiva |
title_short |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
title_full |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
title_fullStr |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
title_full_unstemmed |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
title_sort |
Um mecanismo de decisão para inferência de contexto em ambientes pervasivos de tratamento de saúde |
author |
Copetti,Alessandro |
author_facet |
Copetti,Alessandro Leite,J. C. B. Loques,O. |
author_role |
author |
author2 |
Leite,J. C. B. Loques,O. |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Copetti,Alessandro Leite,J. C. B. Loques,O. |
dc.subject.por.fl_str_mv |
inferência de contexto lógica fuzzy tratamento de saúde computação pervasiva |
topic |
inferência de contexto lógica fuzzy tratamento de saúde computação pervasiva |
description |
Este trabalho apresenta uma abordagem utilizando sistemas Fuzzy para o monitoramento de saúde de um paciente em ambientes de computação pervasiva. Um modelo de decisão considera três classes de variáveis que constituem as informações de contexto sendo coletadas: ambientais, fisiológicas e comportamentais. Um estudo de caso de monitoramento da pressão arterial foi desenvolvido para identificar situações críticas com base em conhecimento médico. A solução mantém a interpretabilidade de um conjunto de regras definidas, mesmo após uma fase de aprendizado que propõe ajustes nessas regras. Nessa fase, a técnica de agrupamento Fuzzy C-Means foi escolhida para o ajuste das funções de pertinência, usando os centros dos agrupamentos. Uma equipe médica avaliou dados de monitoramento de 24 horas de 30 pacientes e esta avaliação foi comparada com os resultados do sistema. A abordagem proposta demonstrou ser individualizada, identificando situações críticas em pacientes com diferentes níveis de pressão arterial, com uma acurácia de 90% e baixa taxa de falsos negativos. |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011-08-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592011000400004 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592011000400004 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-17592011000400004 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
dc.source.none.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica v.22 n.4 2011 reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica instname:Sociedade Brasileira de Automática (SBA) instacron:SBA |
instname_str |
Sociedade Brasileira de Automática (SBA) |
instacron_str |
SBA |
institution |
SBA |
reponame_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
collection |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository.name.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA) |
repository.mail.fl_str_mv |
||revista_sba@fee.unicamp.br |
_version_ |
1754824565491499008 |