Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/1331
Registro completo de metadados
Campo DCValorIdioma
dc.creatorWeinert, Luciana Vieira Castilho-
dc.date.accessioned2015-07-06T20:51:36Z-
dc.date.available2015-07-06T20:51:36Z-
dc.date.issued2010-02-26-
dc.identifier.citationWEINERT, Luciana Vieira Castilho. Ontologias e técnicas de inteligência artificial aplicadas ao diagnóstico em fisioterapia neuropediátrica. 2010. 251 f. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2010.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/1331-
dc.description.abstractThis thesis proposes a new methodology based on ontologies and artificial intelligence techniques to support the diagnosis and the teaching-learning process in neuropediatric physiotherapy. In this area, standardized and objective measurements to quantify the diagnosis are difficultly found. The diagnosis is limited to inform in which months of the normal motor development a patient can be classified, based upon only on the subjective experience of the physiotherapist. In this work formal methods for knowledge acquisition and representations were used. Possible divergences of opinions between experts were systematically treated, and the acquired knowledge was represented as an ontology. Such ontology generated a set of classification rules from which three different approaches for diagnosis were developed: a crisp expert system, a fuzzy system, and another approach based on deterministic models. The crisp expert system did not accomplish to the problem. The fuzzy approach was not adequate too. The last approach was shown to be adequate for classifying a given patient with different degrees of membership to several months of the motor development. Results using this methodology suggested that it is capable of simulating objectively the diagnosis from human experts when analyzing real-world cases, in 90% of the cases. An extension of this work is the use of the developed ontology in a tool to support the teaching-learning process of neuropediatric physiotherapy. Such approach revealed fairly satisfactory. It was tested by professionals and students, and both found it promising as a multimedia educational resource. 85% strongly agreed about the ontology potential to be used as a tool for teaching-learning process. Overall, the main contributions of this thesis are: efficient knowledge management in a domain with weak standardization and high subjectivity of expert knowledge; methodologies for supporting the quantification of the diagnosis of a neuropediatric patient; and the development of an ontology-based multimedia tool for educational purposes.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectSistemas especialistas (Computação)pt_BR
dc.subjectCrianças - Doenças - Diagnósticopt_BR
dc.subjectNeurologia pediátricapt_BR
dc.subjectArtificial intelligencept_BR
dc.subjectExpert systems (Computer science)pt_BR
dc.subjectChildren - Diseases - Diagnosispt_BR
dc.subjectPediatric neurologypt_BR
dc.titleOntologias e técnicas de inteligência artificial aplicadas ao diagnóstico em fisioterapia neuropediátricapt_BR
dc.typedoctoralThesispt_BR
dc.description.resumoEsta tese propõe uma metodologia baseada em Ontologias e técnicas de Inteligência Artificial para apoio ao diagnóstico e ao processo de ensino-aprendizagem em Fisioterapia Neuropediátrica. Nesta área são escassas as medidas objetivas que permitam quantificar o diagnóstico e a evolução de um paciente. O diagnóstico é limitado a informar em quais meses do desenvolvimento motor normal um paciente pode ser classificado, baseando-se na experiência subjetiva do fisioterapeuta. Neste trabalho foram utilizados métodos formais para a aquisição e representação do conhecimento de especialistas da área. Conflitos de opiniões foram tratados sistematicamente e o conhecimento foi representado por uma Ontologia. Esta gerou um conjunto de regras de classificação a partir do qual três abordagens foram desenvolvidas: um sistema especialista crisp, um fuzzy e um baseado em modelos determinísticos. O primeiro teve um desempenho não condizente com a realidade do problema. O segundo se mostrou também inadequado. A abordagem com modelos determinísticos se mostrou adequada para classificar um paciente com diferentes graus de pertinência a múltiplos meses do desenvolvimento motor. Os resultados utilizando esta metodologia sugerem que o mesmo é capaz de simular objetivamente o diagnóstico fornecido por especialistas ao analisarem casos reais, em 90% dos casos. Uma extensão do trabalho foi a utilização da Ontologia em uma ferramenta de suporte ao processo de ensino-aprendizagem deste conteúdo em Fisioterapia. Esta abordagem mostrou resultados satisfatórios, tendo sido utilizada tanto por profissionais quanto por alunos, mostrando o seu potencial como recurso multimídia de ensino. 85% dos profissionais entrevistados concordaram fortemente sobre o potencial da ontologia para se tornar uma nova forma de contribuição ao processo de ensino-aprendizagem deste conteúdo. As principais contribuições desta tese são: a gestão eficiente do conhecimento em um domínio cuja característica é a fraca sistematização e a subjetividade; metodologias para apoio à quantificação do diagnóstico do paciente neuropediátrico; e o desenvolvimento de uma ferramenta para suporte ao ensino baseado em uma Ontologia.pt_BR
dc.degree.localCuritibapt_BR
dc.degree.levelDoutoradopt_BR
dc.publisher.localCuritibapt_BR
dc.contributor.advisor1Lopes, Heitor Silvério-
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrialpt_BR
Aparece nas coleções:CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CT_CPGEI_D_Weinert, Luciana Vieira Castilho_2010.pdf3,22 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.