SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral

Detalhes bibliográficos
Autor(a) principal: Ajalmar RÃgo da Rocha Neto
Data de Publicação: 2006
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2069
Resumo: Esta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos.
id UFC_933f3fa5698ca14d2754f6fdeafeaf22
oai_identifier_str oai:www.teses.ufc.br:1887
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral Intelligent System for Diagnosis of Vertebral Columm pathologies2006-04-28Paulo CÃsar Cortez11250534372http://lattes.cnpq.br/5024602152304064Guilherme de Alencar Barreto32841450368http://lattes.cnpq.br/8902002461422112Helano de Souza Castro17103452334http://lattes.cnpq.br/3015548969659837Allan Kardec Duailibe Barros Filho34022589353http://lattes.cnpq.br/049233041007914184543787315http://lattes.cnpq.br/4524723055652545Ajalmar RÃgo da Rocha NetoUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia de TeleinformÃticaUFCBRtelmedicina sistema especialistainteligÃncia artificial redes neuraistelemedicine specialist system, artificial intelligence neural networksTELEINFORMATICAEsta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos. This dissertation presents the results obtained from a computer-aided medical diagnostic system implemented through statistical and neural pattern classifiers. The Intelligent System for Diagnosis of Pathologies of the Vertebral Column (SINPATCO) has a modular architecture and is composed of three subsystems, namely: graphical interface, classification of pathology, and knowledge extraction. The graphical interface module allows a friendly man-machine interaction with the physician. The pathology classification module is implemented through difierent algorithms, such as linear and quadratic discriminants, Naive Bayes classifier, K Nearest Neighbors (KNN) classifier, Multilayer Perceptron (MLP) network, Self-Organizing Map (SOM) network, ang Generalized Regression network (GRNN). The knowledge extraction module is responsible for rule extraction from trained neural network based classifiers, in order to elucidate the neural-based diagnostic to the orthopedist. In particular, the pathology classification module of the SINPATCO platform uses recently proposed biomechanical attributes to categorize a patient into one out of three classes: normal subjects, subjects with spondilolistesis, and subjects with disk hernia. All the aforementioned classifiers are evaluated with respect their pathology recognition rate, number of false positive cases, number of false negative cases and sensitivity to outliers. The contribution of this work is manifold. Starting from the fact that it is probably the first to use (within the orthopaedic medicine) a recently proposed set of biomechanical measurements for the design of classifiers, this work also evaluates several pattern classifiers in the diagnosis of patologies of the vertebral column, and allows knowledge extraction from the trained classifiers in order to elucidate the obtained diagnostic to the physician. To the best of our knowledge, the combination of these three contributions makes the SINPATCO platform an innovative computer-aid tool for the orthopedist, facilitating the work of these professionals. Despite the fact that the SINPATCO platform can serve as a computer-aided diagnostic tool in the orthopedic medicine, it can also be used by non-expert clinicians, in order to minimize the lack of orthopedists in remote regions, speeding up the treatment and the transferring of patients to more developed centers. nÃo hÃhttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2069application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:15:08Zmail@mail.com -
dc.title.pt.fl_str_mv SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
dc.title.alternative.en.fl_str_mv Intelligent System for Diagnosis of Vertebral Columm pathologies
title SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
spellingShingle SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
Ajalmar RÃgo da Rocha Neto
telmedicina
sistema especialista
inteligÃncia artificial
redes neurais
telemedicine
specialist system, artificial intelligence
neural networks
TELEINFORMATICA
title_short SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
title_full SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
title_fullStr SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
title_full_unstemmed SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
title_sort SINPATCO - Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral
author Ajalmar RÃgo da Rocha Neto
author_facet Ajalmar RÃgo da Rocha Neto
author_role author
dc.contributor.advisor1.fl_str_mv Paulo CÃsar Cortez
dc.contributor.advisor1ID.fl_str_mv 11250534372
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5024602152304064
dc.contributor.advisor-co1.fl_str_mv Guilherme de Alencar Barreto
dc.contributor.advisor-co1ID.fl_str_mv 32841450368
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/8902002461422112
dc.contributor.referee1.fl_str_mv Helano de Souza Castro
dc.contributor.referee1ID.fl_str_mv 17103452334
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/3015548969659837
dc.contributor.referee2.fl_str_mv Allan Kardec Duailibe Barros Filho
dc.contributor.referee2ID.fl_str_mv 34022589353
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/0492330410079141
dc.contributor.authorID.fl_str_mv 84543787315
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/4524723055652545
dc.contributor.author.fl_str_mv Ajalmar RÃgo da Rocha Neto
contributor_str_mv Paulo CÃsar Cortez
Guilherme de Alencar Barreto
Helano de Souza Castro
Allan Kardec Duailibe Barros Filho
dc.subject.por.fl_str_mv telmedicina
sistema especialista
inteligÃncia artificial
redes neurais
topic telmedicina
sistema especialista
inteligÃncia artificial
redes neurais
telemedicine
specialist system, artificial intelligence
neural networks
TELEINFORMATICA
dc.subject.eng.fl_str_mv telemedicine
specialist system, artificial intelligence
neural networks
dc.subject.cnpq.fl_str_mv TELEINFORMATICA
dc.description.sponsorship.fl_txt_mv nÃo hÃ
dc.description.abstract.por.fl_txt_mv Esta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos.
dc.description.abstract.eng.fl_txt_mv This dissertation presents the results obtained from a computer-aided medical diagnostic system implemented through statistical and neural pattern classifiers. The Intelligent System for Diagnosis of Pathologies of the Vertebral Column (SINPATCO) has a modular architecture and is composed of three subsystems, namely: graphical interface, classification of pathology, and knowledge extraction. The graphical interface module allows a friendly man-machine interaction with the physician. The pathology classification module is implemented through difierent algorithms, such as linear and quadratic discriminants, Naive Bayes classifier, K Nearest Neighbors (KNN) classifier, Multilayer Perceptron (MLP) network, Self-Organizing Map (SOM) network, ang Generalized Regression network (GRNN). The knowledge extraction module is responsible for rule extraction from trained neural network based classifiers, in order to elucidate the neural-based diagnostic to the orthopedist. In particular, the pathology classification module of the SINPATCO platform uses recently proposed biomechanical attributes to categorize a patient into one out of three classes: normal subjects, subjects with spondilolistesis, and subjects with disk hernia. All the aforementioned classifiers are evaluated with respect their pathology recognition rate, number of false positive cases, number of false negative cases and sensitivity to outliers. The contribution of this work is manifold. Starting from the fact that it is probably the first to use (within the orthopaedic medicine) a recently proposed set of biomechanical measurements for the design of classifiers, this work also evaluates several pattern classifiers in the diagnosis of patologies of the vertebral column, and allows knowledge extraction from the trained classifiers in order to elucidate the obtained diagnostic to the physician. To the best of our knowledge, the combination of these three contributions makes the SINPATCO platform an innovative computer-aid tool for the orthopedist, facilitating the work of these professionals. Despite the fact that the SINPATCO platform can serve as a computer-aided diagnostic tool in the orthopedic medicine, it can also be used by non-expert clinicians, in order to minimize the lack of orthopedists in remote regions, speeding up the treatment and the transferring of patients to more developed centers.
description Esta dissertaÃÃo apresenta os resultados de um sistema de auxÃlio ao diagnÃstico mÃdico implementado atravÃs de classificadores estatÃsticos e neurais. O Sistema Inteligente para DiagnÃstico de Patologias da Coluna Vertebral (SINPATCO) à composto por trÃs subsistemas, a saber: interface grÃfica, classificaÃÃo de patologias e extraÃÃo de conhecimento. O mÃdulo de interface grÃfica permite uma interaÃÃo amigÃvel com o especialista mÃdico. O mÃdulo de classificaÃÃo automÃtica de patologias à implementado por diferentes algoritmos, tais como discriminantes linear e quadrÃtico, Naive Bayes, K-Vizinhos mais PrÃximos (KNN), rede MLP, rede SOM e rede GRNN. O mÃdulo de extra ÃÃo de conhecimento à responsÃvel pela extraÃÃo de regras proposicionais a partir dos classificadores treinados, a fim de elucidar para o mÃdico ortopedista como o classificador chega ao diagnÃstico final. Em particular, o mÃdulo de classificaÃÃo de patologias da plataforma SINPATCO utiliza atributos biomecÃnicos recentemente propostos para efetuar a categorizaÃÃo de um paciente em trÃs classes: pacientes normais, pacientes com espondilolistese e pacientes com hÃrnia de disco. Os diversos classificadores supracitados sÃo comparados com relaÃÃo à taxa de acerto, nÃmero de falsos positivos, nÃmero de falsos negativos e sensibilidade a amostras discrepantes (outliers). As contribuiÃÃes deste trabalho sÃo variadas, indo desde do fato de ser provavelmente o primeiro a usar um conjunto recente de atributos biomecÃnicos para projeto de classificadores na Ãrea de medicina ortopÃdica, passando pelo estudo comparativo do desempenho de vÃrios classificadores, atà a extraÃÃo de regras a partir dos classificadores com melhor desempenho para explicar o diagnÃstico obtido ao mÃdico, para posterior avaliaÃÃo. Atà onde se tem conhecimento, a combinaÃÃo destas trÃs contribuiÃÃes torna o sistema SINPATCO inovador na Ãrea de ortopedia mÃdica, servindo de auxÃlio na atividade de diagnÃstico e facilitando o trabalho dos profissionais dessa Ãrea. AlÃm servir como ferramenta de auxÃlio ao diagnÃstico do mÃdico especializado em ortopedia, o sistema SINPATCO pode ser usado por clÃnicos nÃo-especialistas em ortopedia, a fim de minimizar a carÃncia de ortopedistas em regiÃes remotas, agilizando o atendimento e o encaminhamento do paciente para centros mais desenvolvidos.
publishDate 2006
dc.date.issued.fl_str_mv 2006-04-28
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2069
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=2069
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 Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia de TeleinformÃtica
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295122782158848

Registros relacionados