Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UEPB |
Texto Completo: | http://tede.bc.uepb.edu.br/jspui/handle/tede/3250 |
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. |
id |
UEPB_acd1503a5469f135b56280d57be00062 |
---|---|
oai_identifier_str |
oai:tede.bc.uepb.edu.br:tede/3250 |
network_acronym_str |
UEPB |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UEPB |
repository_id_str |
|
spelling |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médicoEletromiografiaClassificaçãoDiagnóstico médicoElectromyographyClassificationDiagnosisCIENCIAS DA SAUDE::MEDICINAEstudo 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.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.Universidade Estadual da ParaíbaPró-Reitoria de Pós-Graduação e Pesquisa - PRPGPBrasilUEPBPrograma de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTSSousa, Robson Pequeno de18583512434http://lattes.cnpq.br/3300067187001570Araújo, Joseana Macêdo Fechine Régis de71349324434http://lattes.cnpq.br/7179691582151907Medeiros, Jovany Luis Alves de12794104420http://lattes.cnpq.br/3663818803925901Martins, Genilson Medeiros2019-03-27T18:39:21Z2018-10-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMARTINS, 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.http://tede.bc.uepb.edu.br/jspui/handle/tede/3250porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UEPBinstname:Universidade Estadual da Paraíba (UEPB)instacron:UEPB2019-03-28T04:29:07Zoai:tede.bc.uepb.edu.br:tede/3250Biblioteca Digital de Teses e Dissertaçõeshttp://tede.bc.uepb.edu.br/jspui/PUBhttp://tede.bc.uepb.edu.br/oai/requestbc@uepb.edu.br||opendoar:2019-03-28T04:29:07Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB)false |
dc.title.none.fl_str_mv |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
title |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
spellingShingle |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico Martins, Genilson Medeiros Eletromiografia Classificação Diagnóstico médico Electromyography Classification Diagnosis CIENCIAS DA SAUDE::MEDICINA |
title_short |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
title_full |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
title_fullStr |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
title_full_unstemmed |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
title_sort |
Classificação de sinais eletromiográficos para auxílio ao diagnóstico médico |
author |
Martins, Genilson Medeiros |
author_facet |
Martins, Genilson Medeiros |
author_role |
author |
dc.contributor.none.fl_str_mv |
Sousa, Robson Pequeno de 18583512434 http://lattes.cnpq.br/3300067187001570 Araújo, Joseana Macêdo Fechine Régis de 71349324434 http://lattes.cnpq.br/7179691582151907 Medeiros, Jovany Luis Alves de 12794104420 http://lattes.cnpq.br/3663818803925901 |
dc.contributor.author.fl_str_mv |
Martins, Genilson Medeiros |
dc.subject.por.fl_str_mv |
Eletromiografia Classificação Diagnóstico médico Electromyography Classification Diagnosis CIENCIAS DA SAUDE::MEDICINA |
topic |
Eletromiografia Classificação Diagnóstico médico Electromyography Classification Diagnosis CIENCIAS DA SAUDE::MEDICINA |
description |
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. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-10-04 2019-03-27T18:39:21Z |
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 |
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. http://tede.bc.uepb.edu.br/jspui/handle/tede/3250 |
identifier_str_mv |
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. |
url |
http://tede.bc.uepb.edu.br/jspui/handle/tede/3250 |
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 Estadual da Paraíba Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP Brasil UEPB Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
publisher.none.fl_str_mv |
Universidade Estadual da Paraíba Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP Brasil UEPB Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UEPB instname:Universidade Estadual da Paraíba (UEPB) instacron:UEPB |
instname_str |
Universidade Estadual da Paraíba (UEPB) |
instacron_str |
UEPB |
institution |
UEPB |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UEPB |
collection |
Biblioteca Digital de Teses e Dissertações da UEPB |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UEPB - Universidade Estadual da Paraíba (UEPB) |
repository.mail.fl_str_mv |
bc@uepb.edu.br|| |
_version_ |
1809458420685733888 |