• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
10.11606/D.17.2009.tde-02032010-120508
Document
Author
Full name
Gabriela Felix Persinoti
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
Ribeirão Preto, 2009
Supervisor
Committee
Giuliatti, Silvana (President)
Baranauskas, José Augusto
Passos Junior, Geraldo Aleixo da Silva
Title in Portuguese
Auxílio ao diagnóstico de artrite reumatóide através de técnicas de inteligência artificial
Keywords in Portuguese
Artrite Reumatóide
Inteligência Artificia
Sistema Web.
Abstract in Portuguese
A Artrite Reumatóide (AR) é uma doença auto-imune, crônica e inflamatória cujas manifestações são notadas, principalmente, nas articulações. Um ponto de extrema importância nesta doença é a necessidade de diagnostico e início do tratamento dos pacientes o mais rápido possível, para que os danos às articulações e erosões ósseas sejam evitados, pois estes danos ocorrem no início da doença e são, muitas vezes, irreversíveis. O presente projeto teve como objetivo a construção de um sistema computacional via Web para o auxílio ao diagnóstico de pacientes portadores de artrite reumatóide, através da utilização de técnicas de inteligência artificial, como Redes Neurais Artificiais, Árvores de Decisão e Algoritmos Genéticos, e o sistema gerenciador de conteúdos Drupal. O objetivo do sistema é proporcionar um ambiente estruturado, no qual as informações clínicas e de expressão gênica de pacientes portadores de AR são cadastradas e categorizadas, para que, a partir destas informações, os algoritmos de aprendizado de máquinas possam ser treinados para selecionar características clínicas e genes relevantes para a predição da resposta dos pacientes ao tratamento com Drogas Anti-Reumáticas Modificadoras da Doença (DMARDs). Após o treinamento, os modelos gerados podem ser utilizados para a predição da resposta à DMARDs de novos pacientes. O sistema visa selecionar possíveis características que permitam identificar precocemente os pacientes que irão evoluir de forma mais agressiva e, assim, fornecer uma nova ferramenta para que os médicos possam indicar o melhor tratamento possível para cada paciente individualmente. O Sistema desenvolvido foi denominado ARIA e está disponível através do endereço http://gbi.fmrp.usp.br/artrite. Apenas médicos e colaboradores do projeto têm permissão para acessá-lo. Estão disponíveis os seguintes conteúdos: Cadastro de Pacientes, Ferramenta de Seleção de Atributos e Ferramenta de Predição da Resposta dos Pacientes à DMARDs. Além disso, o sistema disponibiliza diversas possibilidades de visualização e interação com tais conteúdos. Estão cadastrados, até o momento, 126 pacientes, sendo que 106 deles são utilizados para o treinamento da ferramenta de seleção de atributos e vinte deles para os testes da ferramenta de predição da resposta à DMARDs.
Title in English
Diagnosis Aided to Rheumatoid Arthritis through Artificial Intelligence Techniques.
Keywords in English
Artificial Intelligence
Rheumatoid Arthritis
Web System.
Abstract in English
Rheumatoid Arthritis (RA) is a chronic, inflammatory, autoimmune disease, whose manifestations are observed, mainly in the joints. One point of extreme importance in this disease is the early diagnosis and the begging of the treatment as quickly as possible. These procedures try to avoid joints damage and bone erosions, since these damages are often irreversible. This project aimed to develop a computational system to aid diagnosis of rheumatoid arthritis patients. Artificial intelligence techniques, such as Artificial Neural Networks, Decision Trees and Genetic Algorithms, and the content management system Drupal were employed to the system development. The system goal is to provide a structured environment in which clinical and gene expression information about RA patients are registered and categorized. From the information stored in the system database, the machine learning algorithms can be trained to select clinical information or genes which are relevant to predicting the patients response to treatment with Disease Modifying Anti-Rheumatic Drugs (DMARDs). After the training, the generated models generated can be used for predicting the response to DMARDs of new RA patients. The system aims to select characteristics to early identify patients who might have more aggressively disease outcome and thus, it provides a new tool to physicians in the analysis of the best treatment for each patient individually. The system developed was called ARIA System and it is available at the web site http://gbi.fmrp.usp.br/artrite. Only doctors and collaborator researchers have permission to access it. The contents available in the system are the following: Patients Register, Feature Selection Tool and Prediction the Response to DMARDs Tool. Besides these contents, the system offers different kinds of displaying and interaction with the content. There are, until now, 126 patients registered in the ARIA System, 106 of them are used for training the features selection tool and twenty of them are used to test the tool for predicting patients response to DMARDs.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2010-08-28
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
Centro de Informática de São Carlos
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.