A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico

Detalhes bibliográficos
Autor(a) principal: Nkosi Junior, Basakuau Nkomi
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/214876
Resumo: A inovação tecnológica na área da saúde tem otimizado o desenvolvimento de ferramentas para o Diagnóstico Clínico (DC) e para a Prática Clínica (PC) no ambiente hospitalar e ambulatorial. Com os avanços dos DC, ano após ano, com a utilização de novas técnicas de Machine Learning (ML) e Deep Learning (DL) aplicadas em suas estruturas, vêm contribuindo diretamente para o avanço da medicina e suas tecnologias nas mais diversas áreas da saúde. Nesta revisão bibliométrica foram incluídos artigos com foco no uso de Inteligência Artificial (IA) para o auxílio de DC em patologias e disfunções através de Eletromiografia (EMG). De início, encontrou-se um total de 78 artigos, sendo eles identificados nas bases de dados da IEEE Xplore, PubMed e Scopus. Foram excluídos artigos duplicados e artigos de outras categorias diferentes de periódicos completos, de jornais e revistas. Foram analisados 27 artigos que utilizaram sinais EMG e IA. No decorrer de um período de 1980 a 1994, a cerca de 14 anos não houve nenhuma publicação que tinha ligação na pesquisa em questão; em 1995, 1996 a frequência foi de um único artigo. Nenhum autor publicou mais de um trabalho durante o período de 1995 até 1996.Os resultados mostraram que a associação de IA e EMG pode auxiliar com eficiência os profissionais de saúde no diagnóstico de doenças e condições clínicas (CC).
id UNSP_3baf827812c5c6309a10cda2983baf77
oai_identifier_str oai:repositorio.unesp.br:11449/214876
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físicoElectromiography associated with artificial intelligence in diagnosis of diseases and physical incomeEletromiografiaInteligência artificialDiagnósticoDiagnóstico clínicoElectromyographyArtificial intelligenceDiagnosisDiagnosis clinicalA inovação tecnológica na área da saúde tem otimizado o desenvolvimento de ferramentas para o Diagnóstico Clínico (DC) e para a Prática Clínica (PC) no ambiente hospitalar e ambulatorial. Com os avanços dos DC, ano após ano, com a utilização de novas técnicas de Machine Learning (ML) e Deep Learning (DL) aplicadas em suas estruturas, vêm contribuindo diretamente para o avanço da medicina e suas tecnologias nas mais diversas áreas da saúde. Nesta revisão bibliométrica foram incluídos artigos com foco no uso de Inteligência Artificial (IA) para o auxílio de DC em patologias e disfunções através de Eletromiografia (EMG). De início, encontrou-se um total de 78 artigos, sendo eles identificados nas bases de dados da IEEE Xplore, PubMed e Scopus. Foram excluídos artigos duplicados e artigos de outras categorias diferentes de periódicos completos, de jornais e revistas. Foram analisados 27 artigos que utilizaram sinais EMG e IA. No decorrer de um período de 1980 a 1994, a cerca de 14 anos não houve nenhuma publicação que tinha ligação na pesquisa em questão; em 1995, 1996 a frequência foi de um único artigo. Nenhum autor publicou mais de um trabalho durante o período de 1995 até 1996.Os resultados mostraram que a associação de IA e EMG pode auxiliar com eficiência os profissionais de saúde no diagnóstico de doenças e condições clínicas (CC).Technological innovation in the health area has optimized the development of tools for Clinical Diagnosis (CD) and for Clinical Practice (CP) in the hospital and outpatient environment. With the advances of DC year after year with the use of new Machine Learning (ML) and Deep Learning (DL) techniques applied in their structures, they have been directly contributing to the advancement of medicine and its technologies in the most diverse areas of health. This bibliometric review included articles focusing on the use of Artificial Intelligence (AI) to aid CD in pathologies and dysfunctions through Electromyography (EMG). Initially, a total of 78 articles were found and they were identified in the IEEE Xplore, PubMed and Scopus databases. Duplicate articles and articles from categories other than full-length journals, newspapers and magazines were excluded. Twenty-seven articles that used EMG and AI signals were analyzed. During a period from 1980 to 1994, for about 16 years, there was no publication that was linked to my research; in 1995, 1996 the frequency was of a single article. No author published more than one work during a period from 1995 to 1996. The results showed that the association of AI and EMG can efficiently help health professionals in the diagnosis of diseases and clinical conditions (CC).ELE190012Universidade Estadual Paulista (Unesp)Sanches, Marcelo Augusto Assunção [UNESP]Universidade Estadual Paulista (Unesp)Nkosi Junior, Basakuau Nkomi2021-10-26T11:33:35Z2021-10-26T11:33:35Z2021-08-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/21487633004099080P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-05T17:41:57Zoai:repositorio.unesp.br:11449/214876Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:41:57Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
Electromiography associated with artificial intelligence in diagnosis of diseases and physical income
title A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
spellingShingle A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
Nkosi Junior, Basakuau Nkomi
Eletromiografia
Inteligência artificial
Diagnóstico
Diagnóstico clínico
Electromyography
Artificial intelligence
Diagnosis
Diagnosis clinical
title_short A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
title_full A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
title_fullStr A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
title_full_unstemmed A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
title_sort A eletromiografia associada à inteligência artificial no diagnóstico de doenças e no rendimento físico
author Nkosi Junior, Basakuau Nkomi
author_facet Nkosi Junior, Basakuau Nkomi
author_role author
dc.contributor.none.fl_str_mv Sanches, Marcelo Augusto Assunção [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Nkosi Junior, Basakuau Nkomi
dc.subject.por.fl_str_mv Eletromiografia
Inteligência artificial
Diagnóstico
Diagnóstico clínico
Electromyography
Artificial intelligence
Diagnosis
Diagnosis clinical
topic Eletromiografia
Inteligência artificial
Diagnóstico
Diagnóstico clínico
Electromyography
Artificial intelligence
Diagnosis
Diagnosis clinical
description A inovação tecnológica na área da saúde tem otimizado o desenvolvimento de ferramentas para o Diagnóstico Clínico (DC) e para a Prática Clínica (PC) no ambiente hospitalar e ambulatorial. Com os avanços dos DC, ano após ano, com a utilização de novas técnicas de Machine Learning (ML) e Deep Learning (DL) aplicadas em suas estruturas, vêm contribuindo diretamente para o avanço da medicina e suas tecnologias nas mais diversas áreas da saúde. Nesta revisão bibliométrica foram incluídos artigos com foco no uso de Inteligência Artificial (IA) para o auxílio de DC em patologias e disfunções através de Eletromiografia (EMG). De início, encontrou-se um total de 78 artigos, sendo eles identificados nas bases de dados da IEEE Xplore, PubMed e Scopus. Foram excluídos artigos duplicados e artigos de outras categorias diferentes de periódicos completos, de jornais e revistas. Foram analisados 27 artigos que utilizaram sinais EMG e IA. No decorrer de um período de 1980 a 1994, a cerca de 14 anos não houve nenhuma publicação que tinha ligação na pesquisa em questão; em 1995, 1996 a frequência foi de um único artigo. Nenhum autor publicou mais de um trabalho durante o período de 1995 até 1996.Os resultados mostraram que a associação de IA e EMG pode auxiliar com eficiência os profissionais de saúde no diagnóstico de doenças e condições clínicas (CC).
publishDate 2021
dc.date.none.fl_str_mv 2021-10-26T11:33:35Z
2021-10-26T11:33:35Z
2021-08-04
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/11449/214876
33004099080P0
url http://hdl.handle.net/11449/214876
identifier_str_mv 33004099080P0
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 Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128177217732608

Registros relacionados