Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Departamento: Não Informado

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Econômica

Tipo do Documento: Tese

Título: UM MODELO DISTRIBUÍDO DE ARMAZENAMENTO HIERÁRQUICO DE CONHECIMENTO MÉDICO

Orientador
  • MARIO ANTONIO RIBEIRO DANTAS
Aluno
  • DOUGLAS DYLLON JERONIMO DE MACEDO

Conteúdo

O advento da disseminação e consolidação dos sistemas computacionais, como ferramentas de apoio aos mais variados tipos de negócios, criou uma dependência dos usuários em geral, em armazenar mais e mais seus dados. atualmente é inquestionável a necessidade de registros anteriores de transações dos usuários em sistemas operacionais. esta necessidade vai, por exemplo, desde a recuperação de um e-mail de anos anteriores, passando por registros de transações bancárias legadas, indo até prontuários eletrônicos. com esta crescente demanda de armazenamento de dados, informações e conhecimento, para os mais variados nichos da indústria e da ciência em geral, criou um interessante espaço para pesquisa e desenvolvimento de formas alternativas para a persistência de longo prazo em sistemas computacionais. na área médica, esta premissa é ainda mais verdadeira, pois todos os dias, centenas de milhares de pacientes ao redor do mundo, realizam exames médicos baseados em imagens, buscando auxílio para o diagnóstico dos mais variados tipos de doenças. as formas de persistência de dados que atualmente são utilizadas na área médica, em sua grande maioria, se apoiam no paradigma relacional, que geralmente suportam os sistemas de informação ou conhecimento que estão nos hospitais e clínicas médicas. neste sentido, esta tese propôs um novo modelo de armazenamento para sistemas médicos baseados em imagens. este modelo foi concebido a partir de um paradigma hierárquico, seguindo o padrão para imagens médicas internacionalmente reconhecido (dicom), o que além de representar os dados de uma forma mais natural, simplifica o processo de busca e recuperação. ao final dos experimentos e das etapas de análises dos resultados, o modelo proposto mostrou ter um desempenho mais eficiente no geral, se comparado ao modelo atual, utilizando bancos de dados relacionais.

Índice de Shannon: 3.71165

Índice de Gini: 0.904074

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,31% 5,32% 16,19% 7,56% 4,59% 3,61% 4,65% 4,59% 19,55% 2,60% 6,07% 4,65% 4,56% 3,36% 4,29% 5,09%
ODS Predominates
ODS 9
ODS 1

3,31%

ODS 2

5,32%

ODS 3

16,19%

ODS 4

7,56%

ODS 5

4,59%

ODS 6

3,61%

ODS 7

4,65%

ODS 8

4,59%

ODS 9

19,55%

ODS 10

2,60%

ODS 11

6,07%

ODS 12

4,65%

ODS 13

4,56%

ODS 14

3,36%

ODS 15

4,29%

ODS 16

5,09%