Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)

Detalhes bibliográficos
Autor(a) principal: Silvestre, André Meyer
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/12679
Resumo: As Redes Bayesianas constituem um modelo computacional adequado para a realização de inferências probabilísticas em domínios que envolvem a incerteza. O raciocínio diagnóstico médico pode ser caracterizado como um ato de inferência probabilística em um domínio incerto, onde a elaboração de hipóteses diagnósticas é representada pela estratificação de doenças em função das probabilidades a elas associadas. A presente dissertação faz uma pesquisa sobre a metodologia para construção/validação de redes bayesianas voltadas à área médica, e utiliza estes conhecimentos para o desenvolvimento de uma rede probabilística para o auxílio diagnóstico da Insuficiência Cardíaca (IC). Esta rede bayesiana, implementada como parte do sistema SEAMED/AMPLIA, teria o papel de alerta para o diagnóstico e tratamento precoce da IC, o que proporcionaria uma maior agilidade e eficiência no atendimento de pacientes portadores desta patologia.
id URGS_53f0412ffe9251eb2ab32dd5d4fcddfc
oai_identifier_str oai:www.lume.ufrgs.br:10183/12679
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Silvestre, André MeyerVicari, Rosa Maria2008-04-30T04:13:22Z2003http://hdl.handle.net/10183/12679000632779As Redes Bayesianas constituem um modelo computacional adequado para a realização de inferências probabilísticas em domínios que envolvem a incerteza. O raciocínio diagnóstico médico pode ser caracterizado como um ato de inferência probabilística em um domínio incerto, onde a elaboração de hipóteses diagnósticas é representada pela estratificação de doenças em função das probabilidades a elas associadas. A presente dissertação faz uma pesquisa sobre a metodologia para construção/validação de redes bayesianas voltadas à área médica, e utiliza estes conhecimentos para o desenvolvimento de uma rede probabilística para o auxílio diagnóstico da Insuficiência Cardíaca (IC). Esta rede bayesiana, implementada como parte do sistema SEAMED/AMPLIA, teria o papel de alerta para o diagnóstico e tratamento precoce da IC, o que proporcionaria uma maior agilidade e eficiência no atendimento de pacientes portadores desta patologia.Bayesian networks (BN) constitute an adequate computational model to make probabilistic inference in domains that involve uncertainty. Medical diagnostic reasoning may be characterized as an act of probabilistic inference in an uncertain domain, where diagnostic hypotheses elaboration is represented by the stratification of diseases according to the related probabilities. The present dissertation researches the methodology used in the construction/validation of Bayesian Networks related to the medical field, and makes use of this knowledge for the development of a probabilistic network to aid in the diagnosis of Heart Failure (HF). This BN, implemented as part of the SEAMED/AMPLIA System, would engage in the role of alerting for early diagnosis and treatment of HF, which could provide faster and more efficient healthcare of patients carrying this pathology.application/pdfporInformática médicaInteligência artificialProbabilistic reasoningKnowledge representationknowledge engineeringKnowledge baseArtificial intelligenceRaciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)Probabilistic reasoning applied to the diagnosis of heart failure info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2003mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000632779.pdf.txt000632779.pdf.txtExtracted Texttext/plain114048http://www.lume.ufrgs.br/bitstream/10183/12679/2/000632779.pdf.txtbe5d4fe885d8d6975e60930d9e38f07fMD52ORIGINAL000632779.pdf000632779.pdfTexto completoapplication/pdf17883012http://www.lume.ufrgs.br/bitstream/10183/12679/1/000632779.pdf2f3e416f9c02d6b9cb782f0bc96571a2MD51THUMBNAIL000632779.pdf.jpg000632779.pdf.jpgGenerated Thumbnailimage/jpeg1120http://www.lume.ufrgs.br/bitstream/10183/12679/3/000632779.pdf.jpg04e76f9c32b7d80ff3e9daae339b29dfMD5310183/126792018-10-17 08:30:00.483oai:www.lume.ufrgs.br:10183/12679Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-17T11:30Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
dc.title.alternative.en.fl_str_mv Probabilistic reasoning applied to the diagnosis of heart failure
title Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
spellingShingle Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
Silvestre, André Meyer
Informática médica
Inteligência artificial
Probabilistic reasoning
Knowledge representation
knowledge engineering
Knowledge base
Artificial intelligence
title_short Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
title_full Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
title_fullStr Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
title_full_unstemmed Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
title_sort Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
author Silvestre, André Meyer
author_facet Silvestre, André Meyer
author_role author
dc.contributor.author.fl_str_mv Silvestre, André Meyer
dc.contributor.advisor1.fl_str_mv Vicari, Rosa Maria
contributor_str_mv Vicari, Rosa Maria
dc.subject.por.fl_str_mv Informática médica
Inteligência artificial
topic Informática médica
Inteligência artificial
Probabilistic reasoning
Knowledge representation
knowledge engineering
Knowledge base
Artificial intelligence
dc.subject.eng.fl_str_mv Probabilistic reasoning
Knowledge representation
knowledge engineering
Knowledge base
Artificial intelligence
description As Redes Bayesianas constituem um modelo computacional adequado para a realização de inferências probabilísticas em domínios que envolvem a incerteza. O raciocínio diagnóstico médico pode ser caracterizado como um ato de inferência probabilística em um domínio incerto, onde a elaboração de hipóteses diagnósticas é representada pela estratificação de doenças em função das probabilidades a elas associadas. A presente dissertação faz uma pesquisa sobre a metodologia para construção/validação de redes bayesianas voltadas à área médica, e utiliza estes conhecimentos para o desenvolvimento de uma rede probabilística para o auxílio diagnóstico da Insuficiência Cardíaca (IC). Esta rede bayesiana, implementada como parte do sistema SEAMED/AMPLIA, teria o papel de alerta para o diagnóstico e tratamento precoce da IC, o que proporcionaria uma maior agilidade e eficiência no atendimento de pacientes portadores desta patologia.
publishDate 2003
dc.date.issued.fl_str_mv 2003
dc.date.accessioned.fl_str_mv 2008-04-30T04:13:22Z
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/10183/12679
dc.identifier.nrb.pt_BR.fl_str_mv 000632779
url http://hdl.handle.net/10183/12679
identifier_str_mv 000632779
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/12679/2/000632779.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/12679/1/000632779.pdf
http://www.lume.ufrgs.br/bitstream/10183/12679/3/000632779.pdf.jpg
bitstream.checksum.fl_str_mv be5d4fe885d8d6975e60930d9e38f07f
2f3e416f9c02d6b9cb782f0bc96571a2
04e76f9c32b7d80ff3e9daae339b29df
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1800308959641337856