Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Nkosi Junior, Basakuau Nkomi |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/214876
|
Resumo: |
A inovação tecnológica na área da saúde tem otimizado o desenvolvimento de ferramentas para o Diagnóstico Clínico (DC) e para a Prática Clínica (PC) no ambiente hospitalar e ambulatorial. Com os avanços dos DC, ano após ano, com a utilização de novas técnicas de Machine Learning (ML) e Deep Learning (DL) aplicadas em suas estruturas, vêm contribuindo diretamente para o avanço da medicina e suas tecnologias nas mais diversas áreas da saúde. Nesta revisão bibliométrica foram incluídos artigos com foco no uso de Inteligência Artificial (IA) para o auxílio de DC em patologias e disfunções através de Eletromiografia (EMG). De início, encontrou-se um total de 78 artigos, sendo eles identificados nas bases de dados da IEEE Xplore, PubMed e Scopus. Foram excluídos artigos duplicados e artigos de outras categorias diferentes de periódicos completos, de jornais e revistas. Foram analisados 27 artigos que utilizaram sinais EMG e IA. No decorrer de um período de 1980 a 1994, a cerca de 14 anos não houve nenhuma publicação que tinha ligação na pesquisa em questão; em 1995, 1996 a frequência foi de um único artigo. Nenhum autor publicou mais de um trabalho durante o período de 1995 até 1996.Os resultados mostraram que a associação de IA e EMG pode auxiliar com eficiência os profissionais de saúde no diagnóstico de doenças e condições clínicas (CC). |
