TRABALHO DE FIM DE CURSO EM CIÊNCIAS
Por: Ernesto Ernane • 16/11/2018 • Monografia • 18.165 Palavras (73 Páginas) • 317 Visualizações
[pic 1][pic 2]
DEPARTAMENTO DE INFORMÁTICA, COMPUTAÇÃO, ELECTRÓNICA, ELECTROTECNIA E TELECOMUNICAÇÕES – DICEET
TRABALHO DE FIM DE CURSO EM CIÊNCIAS
DA COMPUTAÇÃO
REDES NEURONAIS ARTIFICIAIS APLICADAS AO DIAGNÓSTICO DA TUBERCULOSE PULMONAR NO HOSPITAL SANATÓRIO DO NAMIBE.
ERNESTO QUILUNDAMO CATENDA
LUBANGO, 2018
[pic 3][pic 4]
DEPARTAMENTO DE INFORMÁTICA, COMPUTAÇÃO, ELECTRÓNICA,
ELECTROTECNIA E TELECOMUNICAÇÕES – DICEET
REDES NEURONAIS ARTIFICIAIS APLICADAS AO DIAGNÓSTICO DA TUBERCULOSE PULMONAR NO HOSPITAL SANATÓRIO DO NAMIBE.
ERNESTO QUILUNDAMO CATENDA
Trabalho de Fim Curso para obtenção de grau de Licenciado em CIÊNCIAS DA COMPUTAÇÃO
Orientador: Abel Zacarias
LUBANGO, MAIO DE 2018
[pic 5][pic 6]
DEPARTAMENTO DE INFORMÁTICA, COMPUTAÇÃO, ELECTRÓNICA,
ELECTROTECNIA E TELECOMUNICAÇÕES – DICEET
Ernesto Quilundamo Catenda estudante do 5º ano, curso de Ciências da Computação, solicito a admissão da apresentação do projecto de fim de curso do intitulado: Redes Neuronais Artificiais Aplicadas ao Diagnóstico da Tuberculose Pulmonar no Hospital Sanatório do Namibe.
Em reunião do conselho científico do departamento de Informática, Computação, Eletrónica e Telecomunicações, realizou-se a apresentação e avaliação do trabalho de Licenciatura do estudante Ernesto Quilundamo Catenda, e chegou-se as seguintes conclusões.
O projecto de investigação apresentado com o título Redes Neuronais Artificiais Aplicadas ao Diagnóstico da Tuberculose Pulmonar no Hospital Sanatório do Namibe.
Não ________ sim ________ reúne as condições para realizar as investigações correspondentes à defesa do TCCL.
Lubango, aos _____ de Novembro de 2018.
Nomes Professores do Júri Assinatura (Rubrica)
_________________________________ ______________________________
_________________________________ ______________________________
_________________________________ ______________________________
O chefe do Departamento
_____________________
Daniel Malanga Moisés, MSc.
Agradecimento
- Agradeço a Deus, pela saúde e disposição que me permitiu a realização deste trabalho.
- A minha família pelo incentivo continuo, paciência e pelo investimento ao logo dos anos de formação.
- Em especial ao meu tio pela força dedicação, apoio moral de uma forma incondicional.
- A minha namorada Clarice de Fátima Palito, pelo apoio, compreensão, carinho e ajuda incondicional.
- Ao meu orientador Abel Zacarias pela ajuda que foi fundamental para a realização deste trabalho.
- A direção provincial da saúde do Namibe e a direção do Hospital Sanatório do Namibe por me disponibilizar os seus arquivos, para coleta de dados que tornou este trabalho uma realidade.
- Aos colegas que durante os 5 anos ajudara para o meu sucesso académico, pelas dicas e sugestões dadas.
- Aos docentes que durante os 5 anos de formação, disponibilizaram o seu tempo, para me passar o seu conhecimento.
Resumo
A tuberculose é uma das doenças que continua a ser uma das principais causas de morte no mundo. Estimativas da OMS dão conta de que entre 2000 e 2020, cerca de 1 bilhão de pessoas serão infetadas pelo M. Tuberculosis (Mycobacterium Tuberculosis) a cada ano, com uma prevalência de quase 2 milhões de doentes e 35 milhões de óbitos. Fala-se de uma doença de custos pessoal, social, e económicos muito avultado. O presente trabalho tem como objetivo, o desenvolvimento de um modelo de otimização e processamento de dados recolhidos nos livros de consulta do Hospital Sanatório do Namibe, correspondente a 1588, paciente com diagnóstico de tuberculose pulmonar. Usando, um modelo de Redes Neuronais Artificias (RNAs), como ferramenta de reconhecimento de padrões, para apoiar os médicos na triagem e diagnóstico de novos pacientes. O modelo desenvolvido é baseado em RNAs do tipo, Perceptron multi-camada e utilizando o Software Anaconda Navigator 3.0, utilizando o seu ID spyder, e as suas componentes keras e tensorflow, para a sua implementação e seu treino. No trabalho são levantados os elementos para justificar, a utilização de redes neuronais artificial como ferramenta de apoio ao diagnóstico médico. Os resultados obtidos foram muito satisfatórios, com uma sensibilidade de 0. 99%, acurácia de 0.9924%, precisão de 0.99%, AUC de 0.99% e uma média harmónica (f1 score) entre a precisão e a sensibilidade de 0.99%. Baseando-se nos resultados obtidos pode-se se dizer que as Redes Neuronais Artificial, podem ser eficientes na resolução deste problema específico.
Palavras-chaves: Tuberculose Pulmonar, redes neuronais artificiais, inteligência artificias.
Abstract
Tuberculosis is one of the diseases that continues to be one of the leading causes of death in the world. The WHO estimates that between 2000 and 2020, about 1 billion people will be infected with M. tuberculosis (Mycobacterium tuberculosis) every year, with a prevalence of almost 2 million patients and 35 million deaths. There is talk of a disease of great personal, social and economic costs. The present work aims to develop a model of optimization and data processing collected in the reference books of the Hospital Sanatório do Namibe, corresponding to 1588, a patient with a diagnosis of pulmonary tuberculosis. Using an Artificial Neural Networks (RNA) model, as a tool for pattern recognition, to support physicians in screening and diagnosing new patients. The model developed is based on multilayer Perceptron type RNAs and using Anaconda Navigator 3.0 software, using its spyder ID, and its keras and tensorflow components, for its implementation and training. In the work the elements are raised to justify the use of artificial neural networks as a tool to support the medical diagnosis. The results were very satisfactory, with sensitivity of 0.9924%, precision of 0.99%, precision of 0.99%, AUC of 0.99% and harmonic mean (score f1) between precision and sensitivity of 0.99 %. Based on the obtained results, it can be said that the Artificial Neural Networks can be efficient in the solution of this specific problem.
...