Use este identificador para citar ou linkar para este item:
https://repositorio.ifba.edu.br/jspui/handle/123456789/796| metadata.dc.type: | Dissertação |
| Título: | Uma ferramenta para análise do diagnóstico da dengue, zika e chikungunya |
| metadata.dc.creator: | Freitas, Robson Silva Freitas |
| metadata.dc.contributor.advisor1: | Souza, Antônio Carlos dos Santos |
| metadata.dc.contributor.advisor-co1: | Pinheiro, Isabelle Matos |
| metadata.dc.contributor.referee1: | Souza, Antonio Carlos dos Santos |
| metadata.dc.contributor.referee2: | Pinheiro, Isabelle Matos |
| metadata.dc.contributor.referee3: | Batista, Wilson Otto Gomes |
| metadata.dc.contributor.referee4: | Peixoto, Isabela Brandão |
| metadata.dc.description.resumo: | As arboviroses Dengue, Zika e Chikungunya são consideradas como um tríplice epidemia e, segundo o Ministério da Saúde por apresentarem características e sintomas semelhantes existe a dificuldade do diagnóstico preciso, isso pode levar a um resultado falso positivo, tratamento equivocado e consequências graves, inclusive a morte. Diante disso, o objetivo desse trabalho foi desenvolver um aplicativo para auxiliar a comunidade médica a traçar uma investigação diferencial, baseado nos sintomas e nos marcadores sorológicos dos pacientes, servindo como um guia para o profissional da saúde. A pesquisa empregou dados reais dos sintomas das doenças para o treinamento de um modelo de inteligência artificial, utilizando uma rede neural implementada com a biblioteca TensorFlow. A validação do algoritmo revelou uma acurácia geral de 83,47%, demonstrando seu potencial significativo para auxiliar no diagnóstico diferencial das doenças. |
| Resumo: | Dengue, Zika, and Chikungunya arboviruses are considered a triple epidemic. According to the Ministry of Health, their similar characteristics and symptoms make accurate diagnosis difficult, which can lead to false positives, misdiagnosis, and severe consequences, including death. In light of this, the objective of this study was to develop an application to assist the medical community in conducting differential investigations based on patients' symptoms and serological markers, serving as a guide for healthcare professionals. The research employed real data of disease symptoms to train an artificial intelligence model, using a neural network implemented with the TensorFlow library. The validation of the algorithm revealed an overall accuracy of 83,47%, demonstrating its significant potential to assist in the differential diagnosis of the diseases. |
| Palavras-chave: | Diaganóstico Dengue Zika Chikungunya Inteligência artificial Diagnosis Zika Dengue Chikungunya Artificial intelligence |
| metadata.dc.subject.cnpq: | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
| metadata.dc.language: | por |
| metadata.dc.publisher.country: | Brasil |
| Editor: | Instituto Federal de Educação, Ciência e Tecnologia da Bahia |
| metadata.dc.publisher.initials: | IFBA |
| metadata.dc.publisher.department: | Programa de Pós-Graduação em Engenharia De Sistemas e Produtos (PPGESP) |
| metadata.dc.publisher.program: | Mestrado Profissional em Engenharia de Sistemas e Produtos (PPGESP) |
| Citação: | Freitas, R.L.S. Uma ferramenta para análise do diagnóstico da dengue, zika e chikungunya. 2024. 92 f. Relatório de trabalho de conclusão de curso (Mestrado) - Instituto Federal de Educação da Bahia, 2024. |
| metadata.dc.rights: | Acesso Aberto |
| metadata.dc.rights.uri: | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
| URI: | https://repositorio.ifba.edu.br/jspui/handle/123456789/796 |
| Data do documento: | 6-Ago-2024 |
| Aparece nas coleções: | Dissertações - Salvador |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Dissertacao_Robson_Santos.pdf | 4.59 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
Ferramentas do administrador