Deep learning and data warehousing techniques applied to real data in the medical domain (2023)
- Authors:
- Autor USP: LIMA, DANIEL MÁRIO DE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2023.tde-01092023-164636
- Subjects: APRENDIZAGEM PROFUNDA; RESSONÂNCIA MAGNÉTICA; CORAÇÃO; DIAGNÓSTICO POR COMPUTADOR; APRENDIZADO COMPUTACIONAL
- Keywords: Armazém de dados; Cardiac MRI; Clinical research; Data warehouse; Deep learning; Dermatoscopia; Dermatoscopy; Pesquisa clínica
- Agências de fomento:
- Language: Inglês
- Abstract: Este estudo visa ampliar o aproveitamento dos dados médicos e da capacidade de diagnóstico automatizado através da integração e homogeneização das diversas fontes de dados proveniente do Sistema de Informações de Saúde SI3 do Instituto do Coração (InCor/HC.FMUSP), e a investigação de modelos do estado-da-arte de aprendizado de máquina conhecidos por Deep Learning, avaliando o potencial do Deep Learning de auxílio ao diagnóstico computadorizado. Como resultados, foi preparado uma base de dados para pesquisa clínica em formato OMOP-CDM, denominado InCor-CDM. No segundo artigo obteve-se até 91% de acurácia na classificação de lesões cutâneas usando uma rede neural convolucional profunda sobre a base de dados de imagens dermatoscópicas ISIC. E no terceiro artigo melhorou-se, em média, a segmentação de imagens de ressonância magnética cardíaca em 1,7% na métrica Dice e 2,5x em velocidade de treinamento de uma rede neural convolucional U-Net usando um algoritmo de localização. Estes resultados demonstram etapas de preparação de dados; aprendizagem profunda aplicada a conceitos médicos de alto nível multi-classificação voltada a diagnóstico; e aprendizagem profunda aplicada em dados de baixo nível segmentação de imagens de RM Cardíaca.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 02.03.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LIMA, Daniel Mário de. Deep learning and data warehousing techniques applied to real data in the medical domain. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01092023-164636/. Acesso em: 30 abr. 2024. -
APA
Lima, D. M. de. (2023). Deep learning and data warehousing techniques applied to real data in the medical domain (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01092023-164636/ -
NLM
Lima DM de. Deep learning and data warehousing techniques applied to real data in the medical domain [Internet]. 2023 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01092023-164636/ -
Vancouver
Lima DM de. Deep learning and data warehousing techniques applied to real data in the medical domain [Internet]. 2023 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-01092023-164636/ - Análise visual de dados relacionais: uma abordagem interativa suportada por teoria dos grafos
- Uma proposta de data lake para pesquisa em saúde a partir de data pools multicêntricos interoperáveis
- DermaDL: advanced convolutional neural networks for computer-aided skin-lesion classification
- Transforming two decades of ePR data to OMOP CDM for clinical research
- Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI
- ClinicalPath: a visualization tool to improve the evaluation of electronic health records in clinical decision-making
- I-CovidVis: a visual analytics tool for interoperable healthcare databases using graphs
- Bag-of-attributes representation: a vector space model for electronic health records analysis in OMOP
Informações sobre o DOI: 10.11606/T.55.2023.tde-01092023-164636 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas