Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/35221
Full metadata record
DC FieldValueLanguage
dc.creatorCaixeta, Talles Henrique-
dc.date.accessioned2022-07-06T13:12:33Z-
dc.date.available2022-07-06T13:12:33Z-
dc.date.issued2021-12-22-
dc.identifier.citationCAIXETA, Talles Henrique. Desenvolvimento de algoritmo de inteligência artificial para detecção de hemorragias intracranianas pós-traumas cranioencefálicos e seus potenciais benefícios no Sus Fácil. 2021. 89 f. Dissertação (Mestrado em Biotecnologia) - Universidade Federal de Uberlândia, Patos de Minas, 2021. DOI http://doi.org/10.14393/ufu.di.2022.5318pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/35221-
dc.description.abstractThe study and use of Artificial Intelligence (AI) in medicine has grown exponentially. Auxiliary tools for identifying potential threats to life and prioritizing cases could be beneficial in the management of Traumatic Brain Injuries (TBIs) within the scope of the Unified Health System (SUS). These are public health problems, often resulting in Intracranial Hemorrhages (ICH) with high morbidity and mortality and socioeconomic costs, especially when not treated in a timely manner. In Minas Gerais, when they focus on cities with low hospital complexity, without neurosurgeons, radiologists, or computed tomographies (CTs), they need to transfer their patients, using the SUS FÁCIL bed regulation platform, through a hierarchical mechanism. The delay in the identification and registration of serious cases at the origin, their analysis by regulators in the SF regulation centers, could be alleviated with the potential insertion of an AI algorithm capable of automatically recognizing HICs in CTs at the origin sites, thus adding agility for the detection and prioritization of life-threatening cases. This work proposes the development of an ICH identification algorithm in CT and the analysis of its potential benefits in the context of SUS FÁCIL. After collecting and processing data sets images containing normal and HIC skull CTs, Orange® Software was used for training, validation and testing of their recognition by Artificial Neural Network (ANN) models, Support Vector Machines (SVM) and K – Nearest-Neighbors (KNN). The ANN model presented slightly better results than the other models in the Training / Validation and Testing stages (AUC = 1,000, CA = 0.998, F1 = 0.998, Accuracy = 0.998 and Recall = 0.998, and AUC = 0.987, CA = 0.930, F1 = 0.930, Precision = 0.931 and Recall = 0.930 respectively) achieving the proposed objective for the set of images used. However, the formulation of more robust datasets becomes necessary for their practical use and their improvement and use should be encouraged.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectUnified Health Systempt_BR
dc.subjectinteligência artificialpt_BR
dc.subjectSistema Único de Saúdept_BR
dc.subjectSUS FÁCILpt_BR
dc.subjectTrauma cranioencefálicopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectHemorragias intracranianaspt_BR
dc.subjectIntracranial hemorrhagespt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectBrain trauma injurypt_BR
dc.titleDesenvolvimento de algoritmo de inteligência artificial para detecção de hemorragias intracranianas pós-traumas cranioencefálicos e seus potenciais benefícios no SUS Fácil.pt_BR
dc.title.alternativeDevelopment of artificial intelligence algorithm for detection of intracranial hemorrhages post - traumatic brain injuries and its potential benefits onto SUS Fácil.pt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Amaral, Laurence Rodrigues do-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6978567037098928pt_BR
dc.contributor.referee1Gomes, Matheus de Sousa-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6978567037098928pt_BR
dc.contributor.referee2http://lattes.cnpq.br/5574438586430723-
dc.contributor.referee2LattesDantas, Fernando Luiz Rolembergpt_BR
dc.creator.Latteshttp://lattes.cnpq.br/2826407461424552pt_BR
dc.description.degreenameDissertação (Mestrado)pt_BR
dc.description.resumoO estudo e utilização da Inteligência Artificial (IA) na medicina têm crescimento exponencial. Ferramentas auxiliares à identificação de potenciais ameaças à vida e de priorização de casos poderiam ser benéficas na condução de Traumas Cranioencefálicos (TCEs) no âmbito do Sistema Único de Saúde (SUS). Estes são problemas de saúde pública, frequentemente resultando em Hemorragias Intracranianas (HICs) de elevada morbimortalidade e custos socioeconômicos, sobretudo quando não tratadas em tempo hábil. Em Minas Gerais, quando incidem em municípios de baixa complexidade hospitalar, sem neurocirurgiões, radiologistas ou tomografias computadorizadas (TCs), necessitam por mecanismo de hierarquização transferir seus pacientes usando-se a plataforma de regulação de leitos SUS FÁCIL. O retardo da identificação e cadastro dos casos graves na origem, da sua análise por médicos reguladores nas centrais de regulação SF, poderiam ser amenizados com a potencial inserção de um algoritmo de IA capaz de reconhecer automaticamente HICs em TCs nos locais de origem, agregando assim agilidade para a detecção e priorização de casos ameaçadores a vida. Este trabalho propõe o desenvolvimento de um algoritmo de identificação de HICs em TCs e a análise dos seus potenciais benefícios no contexto SUS FÁCIL. Após a coleta e processamento de imagens de datasets contendo TCs de crânio normais e com HICs, utilizou-se o Software Orange® para treinamento, validação e teste do seu reconhecimento por modelos de Redes Neurais Artificiais (ANN), Máquinas de Vetores de Suporte (SVM), Florestas Alelatórias (Random Forests) e K – Nearest- Neighbors (KNN). O modelo de ANN apresentou resultados ligeiramente superiores aos demais modelos nas etapas de Treinamento / Validação e Teste (AUC = 1.000, CA = 0.998, F1 = 0.998, Precisão = 0.998 e Recall = 0.998, e AUC = 0.987, CA= 0.930, F1= 0.930, Precision = 0.931 e Recall = 0.930 respectivamente) conseguindo atingir o objetivo proposto para o conjunto de imagens utilizadas. Contudo formulação de datasets mais robustos tornam-se necessários para seu uso prático e seu aperfeiçoamento e emprego devem ser incentivados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-graduação em Biotecnologiapt_BR
dc.sizeorduration89pt_BR
dc.subject.cnpqCNPQ::CIENCIAS BIOLOGICASpt_BR
dc.subject.cnpqCNPQ::CIENCIAS DA SAUDEpt_BR
dc.identifier.doihttp://doi.org/10.14393/ufu.di.2022.5318pt_BR
dc.crossref.doibatchidf3a790e1-e584-45f3-9ee8-03bc49ab15f7-
dc.subject.autorizadoBiotecnologia-
dc.subject.autorizadoTronco encefálico-
dc.subject.autorizadoCrânio - Fraturas-
dc.subject.autorizadoHemorragia cerebral-
dc.subject.autorizadoInteligência artificial - Aplicações médicas-
dc.subject.autorizadoSistema Único de Assistência Social (Brasil)-
Appears in Collections:DISSERTAÇÃO - Biotecnologia (Patos de Minas)

Files in This Item:
File Description SizeFormat 
DesenvolvimentoAlgoritmoInteligência .pdfDissertação2.94 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.