Please use this identifier to cite or link to this item: https://siaiap39.univali.br/repositorio/handle/repositorio/1051
Full metadata record
DC FieldValueLanguage
dc.creatorZapelini, Clávison Martinelli-
dc.creator.IDCPF:80234690968por
dc.creator.Latteshttp://lattes.cnpq.br/4942311383543967por
dc.contributor.advisor1Fernandes, Anita Maria da Rocha-
dc.contributor.advisor1IDCPF:76287068604por
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8716094042714766por
dc.contributor.advisor-co1Comunello, Eros-
dc.contributor.advisor-co1IDCPF:9502418298700por
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6848996939728495por
dc.contributor.referee1Teive, Raimundo Celeste Ghizoni-
dc.contributor.referee1IDCPF:5399242397200por
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6094793991932450por
dc.contributor.referee2Dazzi, Rudimar Luís Scaranto-
dc.contributor.referee2IDCPF:61166820904por
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9340343036686762por
dc.date.accessioned2015-08-26T18:42:05Z-
dc.date.available2012-05-07-
dc.date.issued2012-02-29-
dc.identifier.citationZAPELINI, Clávison Martinelli. MEASUREMENT OF INTENSITY OF PAIN WITH THE USE OF BAYESIAN NETWORKS. 2012. 188 f. Dissertação (Mestrado em Computação Aplicada) - Universidade do Vale do Itajaí, São José, 2012.por
dc.identifier.urihttps://siaiap39.univali.br/repositorio/handle/repositorio/1051-
dc.description.resumoA dor é subjetiva e pessoal, e, saber a intensidade da dor que uma pessoa está sentindo possibilita a adequação de intervenções médicas necessárias, a fim de não medicá-la de forma excessiva e nem tampouco deixá-la permanecer com dor. Esta dissertação apresenta uma proposta para mensurar a intensidade de dor em seres humanos, a partir do desenvolvimento de um sistema computacional, baseado em Redes Bayesianas, que é capaz de analisar dados provenientes dos sinais biomédicos, além de outras variáveis relacionadas à dor. Com a certeza da ocorrência de qualquer variável, o sistema computacional faz a inferência para mensurar probabilisticamente a intensidade da dor que a pessoa está sentindo. A dor foi simulada com a imersão do braço no gelo de pessoas que se comunicavam verbalmente, e, analisadas as alterações biomédicas (pressão arterial, e oxigenação, temperatura, frequência cardíaca e respiratória) e emocionais (ansiedade, palidez, tensão muscular, posição corporal e expressão facial) que ocorreram em decorrência dela. A partir da comparação entre as respostas nas escalas analógicas de dor e os resultados apresentados, foi feita a modelagem de uma rede causal e estabelecidos valores probabilísticos. Os resultados obtidos comprovaram a eficiência da Rede Bayesiana para inferir probabilisticamente a intensidade da dor, porém para maior refinamento nos resultados é necessário uma amostra com um número maior de participantespor
dc.description.abstractPain is subjective and personal, and knowing the intensity of pain that a person is feeling enables appropriate medical interventions to be carried out, seeking to avoid excessive medication on one hand, or leaving the patient in pain on the other. This dissertation presents a proposal for measuring the intensity of pain in humans, through the development of a computer system based on Bayesian networks that are capable of analyzing data from biomedical signals and other variables related to pain. With the certainty of the occurrence of any one variable, the computer system performs probabilistic inference to measure the intensity of the pain that a person is feeling. In this study, pain was simulated by immersing the subjects arms in ice, as they communicated verbally, and analyzing the biomedical changes (blood pressure, and oxygenation, temperature, heart rate and respiratory rate) and emotional changes (anxiety, pallor, muscle tension, body position and facial expression) that occurred as a result of the pain. Based on the comparison between the responses in the analogue pain scales and the results presented, causal network modeling and probabilistic values were established. The results obtained demonstrate the efficiency of the Bayesian network to infer probabilistically the intensity of pain, but in order to further refine the results, a sample with a larger number of participants is neededeng
dc.formatapplication/pdfpor
dc.thumbnail.urlhttps://siaiap30.univali.br/tede/retrieve/3260/Clavison%20Martinelli%20Zapelini.pdf.jpg*
dc.languageporpor
dc.publisherUniversidade do Vale do Itajaípor
dc.publisher.departmentComputação Aplicadapor
dc.publisher.countryBRpor
dc.publisher.initialsUNIVALIpor
dc.publisher.programMestrado em Computação Aplicadapor
dc.rightsAcesso Abertopor
dc.subjectDorpor
dc.subjectAvaliação da dorpor
dc.subjectRedes bayesianaspor
dc.subjectSinais biomédicospor
dc.subjectPain, Pain assessment, Bayesian network, Biomedical signaleng
dc.subjectSistemas de computaçãopor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.titleMEDIÇÃO DA INTENSIDADE DA DOR COM A UTILIZAÇÃO DE REDES BAYESIANASpor
dc.title.alternativeMEASUREMENT OF INTENSITY OF PAIN WITH THE USE OF BAYESIAN NETWORKSeng
dc.typeDissertaçãopor
Appears in Collections:Importação Nova 20150826 Coleção

Files in This Item:
File Description SizeFormat 
Clavison Martinelli Zapelini.pdf1,7 MBAdobe PDFView/Open


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