Publicação:
Diagnóstico oftalmológico inteligente: aplicação de machine learning na detecção precoce do glaucoma

Página do item simplificado
dc.contributor.advisor1Lopes, José Eduardo Ferreira
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1181111177305483pt_BR
dc.contributor.referee1Anjos, Mayara Abadia
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6696944504783027pt_BR
dc.contributor.referee2Gandolfi, Peterson Elizandro
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8009321964299536pt_BR
dc.creatorLima, Guilherme Souza de
dc.date.accessioned2025-09-30T16:45:16Z
dc.date.available2025-09-30T16:45:16Z
dc.date.issued2025-09-23
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoObjetivou-se com este relato tecnológico apresentar um projeto-base de a aplicação de aprendizado de máquina (machine learning – ML) no diagnóstico de doenças oftalmológicas, com foco na detecção precoce do glaucoma. A situação problema observada foi a ausência de um sistema automatizado de triagem em uma clínica oftalmológica de porte médio, que atua com base em um banco de dados centralizado, porém ainda sem uso estratégico da informação para apoio à decisão médica. Como solução, propôs-se o desenvolvimento de um módulo computacional capaz de analisar exames de tomografia de coerência óptica (OCT) e identificar padrões compatíveis com alterações glaucomatosas. A base do sistema de aprendizado de máquina apresentado seria uma ferramenta de apoio à triagem inicial, auxiliando na priorização dos atendimentos, na padronização das análises e no melhor aproveitamento do banco de dados clínico interno existente. O projeto apresentado deseja alcançar resultados como a redução do tempo de resposta entre o exame e a conduta médica, o aumento da taxa de diagnóstico precoce, a otimização do tempo da equipe médica e a melhoria da gestão das informações clínicas, com potencial de expansão para outras patologias do contextos institucionais.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.identifier.citationLIMA, Guilherme de Souza. Diagnóstico oftalmológico inteligente: aplicação de machine learning na detecção precoce do glaucoma. 2025. 46 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/47157
dc.languageporpt_BR
dc.orcid.putcode193203861
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseGestão da Informaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sizeorduration46pt_BR
dc.subjectDiagnóstico precocept_BR
dc.subjectGlaucomapt_BR
dc.subjectMachine learningpt_BR
dc.subjectSaúde digitalpt_BR
dc.subjectTomografia de coerência ópticapt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::CIENCIA DA INFORMACAO::TEORIA DA INFORMACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS DA SAUDE::MEDICINApt_BR
dc.titleDiagnóstico oftalmológico inteligente: aplicação de machine learning na detecção precoce do glaucomapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
DiagnósticoOftalmológicoInteligente.pdf
Tamanho:
4.27 MB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Gestão da Informação