Publication
Elaboração Automática de Relatórios Médicos
| datacite.subject.fos | Sistemas Gráficos e Multimédia | pt_PT |
| dc.contributor.advisor | Marreiros, Maria Goreti Carvalho | |
| dc.contributor.author | Santos, Alessandro Feliz dos | |
| dc.date.accessioned | 2018-04-10T15:54:59Z | |
| dc.date.available | 2018-04-10T15:54:59Z | |
| dc.date.issued | 2017 | |
| dc.description.abstract | A presente dissertação foi realizada num contexto empresarial na empresa FUJIFILM. Foi identificado um problema real e comum a muitos hospitais, o gasto excessivo de tempo e dinheiro no processo de elaboração de relatórios clínicos. Face este problema, apresenta-se uma forma alternativa de elaboração de relatórios que, passa pela previsão de texto mediante as palavras redigidas pelo utilizador. A solução proposta permite em primeiro lugar, diminuir o tempo da redação de relatórios, disponibilizando ao utilizador sugestões para o resto das suas frases. Em segundo lugar, permite reduzir os custos associados à contratação de técnicos de transcrição e compra de hardware/software necessários para a transcrição automática. Finalmente, em terceiro lugar, permitirá uma redução da ocorrência de erros ortográficos através da diminuição da quantidade de texto redigido. Durante o estudo do estado da arte foram identificadas três abordagens possíveis para a implementação do conceito idealizado, sendo elas: abordagens baseadas em regras; abordagens baseadas em estatística e probabilidade; e abordagens hibridas. De todos os métodos incluídos nas abordagens identificadas, destacam-se os três mais utilizados na previsão de texto, sendo eles: Redes Neuronais; NGrams; e Suffix Trees. Apôs analisadas as vantagens e desvantagens de cada abordagem e respetivos métodos, optou-se pela implementação de um sistema baseado no conceito de NGrams, principalmente pelos resultados positivos obtidos por outros autores e facilidade de implementação. É apresentado depois o desenho e implementação da solução proposta, onde se aborda o problema da performance, respetiva resolução e a configuração do sistema. Finamente, é apresentada a avaliação da solução desenvolvida, onde definimos para avaliação as seguintes métricas: tempo de redação de um relatório; percentagem de keystroke savings; e tempo médio de uma previsão. A partir destas métricas foi depois possível a formulação das hipóteses a testar, tendo-se obtido keystroke savings entre os 69 e os 90%, e tempos médios de previsão entre os 42 e 2 226 milisegundos, dependendo da configuração do sistema. | pt_PT |
| dc.description.abstract | This dissertation was carried out in a business context in the company FUJIFILM. A real problema common to many hospitals was identified, consisting in the excessive waste of time and Money in the process of writing clinical reports. Given this problem, an alternative approach for the elaboration of medical reports is presented, involving the prediction of text using the previously written words. The proposed solution allows first of all, to reduce the time spent in the process of writing reports, providing to the user suggestions for the rest of his sentences. Secondly, it will decrease the costs associated with the hiring of transcription technicians and prevents the need of buying software/hardware for the automatic transcription. Thirdly, it will decrease the occurrence of spelling errors by reducing the quantity of text written by the user. During the study of the state of the art three possible approaches for the implementation of the idealized concept were identified: approaches based on rules; approaches based in statistics and probabilities; and hybrid approaches. Of all the methods included in the previous identified approaches, three are worth mentioning: Neural Networks; NGrams; and Suffix Trees. After analyzing the advantages and disadvantages of each approach and method previously presented, we concluded that the best method to use would be the NGrams, primarily due to the positive results obtained by other authors and easy implementation. After that we presente the design and implementation of the proposed system, were we also talk about the performance issues found and system configurations. Finally, we present to the reader the evaluation of the developed solution, where we defined the following metrics for the evaluation: time taken to write a report; keystroke savings; and prediction time. Overall the developed ystem achieved keystroke savings values ranging from 69 to 90% and prediction times between 42 and 2 226 milliseconds, depending on the configuration used. | pt_PT |
| dc.identifier.tid | 201766531 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/11318 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Previsão de texto | pt_PT |
| dc.subject | Language models | pt_PT |
| dc.subject | NGrams | pt_PT |
| dc.subject | Text prediction | pt_PT |
| dc.subject | Language models | pt_PT |
| dc.title | Elaboração Automática de Relatórios Médicos | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática | pt_PT |