Publication
ProSmartHealth: uma ferramenta de decisão
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Pereira, Ana I. | |
| dc.contributor.author | Sena, Inês | |
| dc.date.accessioned | 2021-02-05T11:00:53Z | |
| dc.date.available | 2021-02-05T11:00:53Z | |
| dc.date.issued | 2020 | |
| dc.date.submitted | 2019 | |
| dc.description.abstract | A segurança do paciente constitui um dos grandes desafios dos cuidados de saúde do século XXI. Deste modo um fator importante para estabelecer diagnósticos clínicos e prevenção de erros é a comunicação médico-doente. Diariamente os profissionais de saúde são procurados por pacientes, motivados pela vontade de permanecer saudável, realizando inúmeros diagnósticos que podem estar errados por diversos motivos. O objetivo principal desta dissertação é desenvolver uma aplicação com o intuito de evitar erros no diagnóstico médico, auxiliando assim os profissionais de saúde nos procedimentos de diagnóstico. A aplicação ProSmartHealth é baseada em treinar e testar um procedimento de aprendizagem com o conjunto de dados de saúde para identificar clusters e padrões nos sintomas humanos. No início terá um questionário integrado, onde os profissionais de saúde preenchem perguntas chave com os resultados dos pacientes e, no final, a aplicação indicará uma sugestão de diagnóstico. Até agora, a ProSmartHealth considera o diagnóstico associado a doença cardíaca, cancro da mama e demência. A ProSmartHealth utiliza o algoritmo de classificação Support Vector Machine, do Supervised Learning, para treinar e testar as sugestões de diagnóstico. Neste estudo obteve-se uma precisão média de 84% na identificação das doenças estudadas. | pt_PT |
| dc.description.abstract | Patient safety is one of the major health care challenges of the 21st century. Thus, an important factor for establishing clinical diagnoses and preventing errors is doctor-patient communication. Daily, health professionals are sought out by patients, motivated by the will to stay healthy, making numerous diagnoses that can be wrong for several reasons. The main objective of this work is to develop an application in order to avoid errors in medical diagnosis, thus assisting health professionals in diagnostic procedures. The ProSmartHealth application is based on intelligent algorithms to identify clusters and patterns in human symptoms. In the beginning, there will be an integrated questionnaire, where health professionals fill in key questions with the results of the patients and, in the end, the application will indicate a suggestion of diagnosis. So far, ProSmartHealth considers the diagnosis associated with heart disease, breast cancer, and dementia. ProSmartHealth uses Supervised Learning’s Support Vector Machine rating algorithm to train and test diagnostic suggestions. In this study, an average accuracy of 84% was obtained in identifying the diseases studied. | pt_PT |
| dc.identifier.tid | 202605337 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/23231 | |
| dc.language.iso | por | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Inteligência artificial | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.subject | Algoritmo de classificação | pt_PT |
| dc.subject | Support vector machine | pt_PT |
| dc.title | ProSmartHealth: uma ferramenta de decisão | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| person.familyName | Sena | |
| person.givenName | Inês | |
| person.identifier.ciencia-id | DC10-817D-21B5 | |
| person.identifier.orcid | 0000-0003-4995-4799 | |
| person.identifier.scopus-author-id | 57222722951 | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| relation.isAuthorOfPublication | 395724d8-6b40-41f1-a6d5-7be1ebc19d22 | |
| relation.isAuthorOfPublication.latestForDiscovery | 395724d8-6b40-41f1-a6d5-7be1ebc19d22 | |
| thesis.degree.name | Tecnologia Biomédica | pt_PT |
Files
Original bundle
1 - 1 of 1