Raciocínio probabilístico aplicado ao diagnóstico de insuficiência cardíaca congestiva (ICC)
Autor(a) principal: | |
---|---|
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 |