Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40326| Título: | Melhoria da tomada de decisão em serviços de saúde através de redes neurais convolucionais |
| Título(s) alternativo(s): | Improving decision making in health services through convolutional neural networks |
| Autor(es): | Amaral, Thiago Magalhães |
| Orientador(es): | Oliva, Jefferson Tales |
| Palavras-chave: | Aprendizado do computador Saúde pública Redes neurais (Computação) Machine learning Public health Neural networks (Computer science) |
| Data do documento: | 11-Jan-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Dois Vizinhos |
| Citação: | AMARAL, Thiago Magalhães. Melhoria da tomada de decisão em serviços de saúde através de redes neurais convolucionais. 2023. Monografia (Especialização em Ciência de Dados) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2023. |
| Resumo: | O uso da inteligência artificial na engenharia de produção, tanto na indústria 4.0 quanto nos serviços 4.0, tem sido uma prática crescente visando a otimização e automação de diversos processos. Em particular, na área de saúde, destaca-se o uso de ferramentas como Redes Neurais Convolucionais (RNCs) para melhorar a precisão no diagnóstico de patologias, facilitando a tomada de decisão. Um exemplo relevante é o uso dessas redes no diagnóstico de melanoma, uma forma agressiva de câncer de pele, que, se não for detectada e tratada precocemente, pode se espalhar rapidamente, impactando significativamente na saúde pública, especialmente em países como o Brasil, devido à alta exposição à radiação ultravioleta. O melanoma representa uma parcela considerável da mortalidade por câncer de pele e seu tratamento avançado tem um custo elevado para os sistemas de saúde. Este trabalho tem o objetivo de desenvolver um modelo de Redes Neurais Convolucionais capaz de prever o diagnóstico do câncer de melanoma na etapa da avaliação histopatológica a fim de melhorar a tomada de decisão nos serviços de saúde. |
| Abstract: | Artificial intelligence in production engineering, both in industry 4.0 and in services 4.0, has been a growing practice aimed at optimizing and automating various processes. In particular, in the health area, using tools such as Convolutional Neural Networks (RNCs) is an effective way to improve the accuracy of diagnosing pathologies and facilitating decision-making. A relevant example is the use of these networks in the diagnosis of melanoma, an aggressive form of skin cancer, which, if not detected and treated early, can spread quickly, significantly impacting public health, especially in countries like Brazil, due to high exposure to ultraviolet radiation. Melanoma represents a considerable portion of skin cancer mortality, and its advanced treatment has a high cost for health systems. This work aims to develop a Convolutional Neural Network model capable of predicting melanoma cancer diagnosis in the histopathological evaluation stage to improve decision-making in health services. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40326 |
| Aparece nas coleções: | DV - Ciência de Dados |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| decisaosauderedesneurais.pdf | 221,86 kB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
