Orienta��o: GUELFI, Adilson Eduardo

Ano: 2019

 Avaliar e tratar feridas crônicas são um grande desafio para profissionais de saúde e um problema para gestores de políticas públicas por ocasionar aumento dos gastos de maneira desordenada e, também, para seus portadores por terem o estilo de vida afetado devido à dor, depressão e inabilidade para o trabalho. O aspecto do tecido presente no leito da ferida reflete a fase de sua cicatrização, bem como a ocorrência ou não de complicações. Portanto, é imprescindível que o profissional envolvido no tratamento tenha habilidade nessa avaliação e descrição. Esta dissertação visa propor um sistema que apresente uma recomendação de tratamento apropriado à ferida do paciente a partir de técnicas de detecção e classificação de imagem. Este sistema de recomendação é desenvolvido sobre um modelo de rede neural convolucional que permite classificar a principal característica existente na imagem da ferida tomada pela aplicação e, sobre esta informação, fornecer as opções de cobertura que melhor se adéquem ao contexto da referida úlcera. O que se procura observar com este sistema é a precisão da identificação e classificação do principal tecido presente no leito da ferida de modo a proporcionar uma correta opção de tratamento. A contribuição deste trabalho é reunir abordagens e técnicas de aprendizado de máquina que possibilitem a construção de um sistema eficaz em recomendação de tratamento de feridas.

Acesse: cassiopea.ipt.br/teses/2019_EC_Lazaro_Gilvan.pdf