Navegando por Autor "Papaiz, Fabiano"
Agora exibindo 1 - 4 de 4
- Resultados por página
- Opções de Ordenação
Livro Gestão de recursos humanos em saúde mediada por tecnologia: seguindo a trilha da inovação(Editora da UFRN, 2017-11-01) Alves, Robinson Luis de Souza; Papaiz, Fabiano; Araújo, Bruno Gomes de; Guerra Neto, Custódio Leopoldino de Brito (Org.); Coutinho, Karilany Dantas (Org.); Valentim, Ricardo Alexsandro de Medeiros (Org.)Este livro traz uma leitura que permite um aprofundamento sobre a inovação para o tema da gestão e regulação do trabalho na saúde. Para tanto, abordando duas dimensões que são essenciais a gestão dos recursos humanos no Brasil: o mundo do trabalho e da educação em saúde. Essencialmente o livro apresenta capítulos que tem como objeto de estudo o uso das tecnologias da informação e comunicação para mediar o processo de gestão e educação permanente em saúde. A ideia do livro nasceu de um grupo de pesquisadores do Núcleo Avançado Inovação Tecnológica do Instituto Federal Educação Ciência e Tecnologia do Rio Grande do Norte, que tem desenvolvido a Plataforma do Mercosul para Livre-Trânsito de Profissionais de Saúde, bem como, o Sistema da Mesa de Negociação do SUS e um Sistema para a Rede Observatório de Recursos Humanos em Saúde. Neste contexto, e diante desses projetos desenvolvidos, logo sentiu a necessidade de compilar todo o conhecimento produzido, e assim, também de convidar outros pesquisadores no Brasil que pudessem contribuir para o compartilhamento do conhecimento nessa área. Essa tão relevante para o desenvolvimento dos sistemas de saúde no Brasil.Artigo Machine learning solutions applied to amyotrophic lateral sclerosis prognosis: a review(Computer Science, 2022) Dourado Junior, Mário Emílio Teixeira; Papaiz, Fabiano; Valentim, Ricardo Alexsandro de Medeiros; Morais, Antonio Higor Freire de; Arrais, Joel Perdiz; https://orcid.org/0000-0002-9462-2294The prognosis of Amyotrophic Lateral Sclerosis (ALS), a complex and rare disease, represents a challenging and essential task to better comprehend its progression and improve patients' quality of life. The use of Machine Learning (ML) techniques in healthcare has produced valuable contributions to the prognosis field. This article presents a systematic and critical review of primary studies that used ML applied to the ALS prognosis, searching for databases, relevant predictor biomarkers, the ML algorithms and techniques, and their outcomes. We focused on studies that analyzed biomarkers commonly present in the ALS disease clinical practice, such as demographic, clinical, laboratory, and imaging data. Hence, we investigate studies to provide an overview of solutions that can be applied to develop decision support systems and be used by a higher number of ALS clinical settings. The studies were retrieved from PubMed, Science Direct, IEEEXplore, and Web of Science databases. After completing the searching and screening process, 10 articles were selected to be analyzed and summarized. The studies evaluated and used different ML algorithms, techniques, datasets, sample sizes, biomarkers, and performance metrics. Based on the results, three distinct types of prediction were identified: Disease Progression, Survival Time, and Need for Support. The biomarkers identified as relevant in more than one study were the ALSFRS/ALSFRS-R, disease duration, Forced Vital Capacity, Body Mass Index, age at onset, and Creatinine. In general, the studies presented promissory results that can be applied in developing decision support systems. Besides, we discussed the open challenges, the limitations identified, and future research opportunities.Dissertação RR3D: Uma solução para renderização remota de imagens médicas tridimensionais(Universidade Federal do Rio Grande do Norte, 2013-04-05) Papaiz, Fabiano; Carvalho, Bruno Motta de; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6; ; Aquino Júnior, Gibeon Soares de; ; Valentim, Ricardo Alexsandro de Medeiros; ; Mendes Neto, Francisco Milton; ; http://lattes.cnpq.br/5725021666916341A visualização de imagens tridimensionais (3D) está cada vez mais presente na área da medicina, auxiliando os médicos no diagnóstico de doenças e na emissão de laudos. Com o avanço dos equipamentos que geram imagens tomográficas dos pacientes, como os de Tomografia Computadorizada (TC), estão sendo geradas imagens cada vez mais nítidas e, portanto, com resoluções e tamanhos maiores. Atualmente, as imagens contidas em um exame de TC geralmente ocupam o tamanho de dezenas e centenas de megabytes, tornando o processo de visualização 3D cada vez mais pesado - exigindo do usuário um equipamento com bom poder computacional. O acesso remoto à estas imagens, via internet por exemplo, também não é muito eficiente, pois todas as imagens precisam ser transferidas para o equipamento do usuário antes que o processo de visualização 3D seja iniciado. Diante destes problemas (tamanho das imagens e acesso remoto), este trabalho envolve a criação e análise de um serviço web para renderização remota de imagens médicas 3D, denominado RR3D. Nele, todo o processo de renderização volumétrica será realizado por um servidor, ou cluster de servidores, com alto poder computacional e somente a imagem 3D resultante será enviada ao cliente, permitindo que este ainda possa fazer operações como rotação, zoom etc. O serviço web será desenvolvido utilizando a linguagem Java e na arquitetura do projeto serão utilizados o programa de visualização científica Paraview, o framework ParaviewWeb e o servidor DCM4CHEEArtigo Uma solução para renderização remota de imagens médicas tridimensionais: análise de desempenho(Revista Brasileira de Inovação Tecnologica em Saúde, 2014) Papaiz, Fabiano; Carvalho, Bruno Motta de; Valentim, Ricardo Alexsandro de Medeiros; Morais, Antônio Higor Freire de; Alves, Robinson Luis de SouzaEste trabalho propõe e analisa uma solução para renderização remota de imagens médicas tridimensionais (3D). Nesta solução, todo o processo de renderização volumétrica é realizado por um servidor (ou um cluster de servidores) e somente a imagem resultante é enviada para o cliente, permitindo ainda que este realize operações como rotação, deslocamento e zoom. Para a realização da análise de desempenho, foram definidos três diferentes cenários de execução. No primeiro cenário, o processo foi realizado por um servidor com hardware gráfico (GPU). No segundo, foi utilizado um servidor sem GPU, mas com alto poder de processamento em paralelo, possuindo 48 cores (unidades de processamento). O terceiro cenário foi utilizado para simular o funcionamento padrão da maioria das aplicações médicas de visualização, onde todo o processo de renderização foi realizado localmente em um computador. Com os resultados obtidos, ficou demonstrado que a solução proposta resolveu satisfatoriamente dois dos principais problemas da visualização tridimensional dos exames médicos, sendo eles: o tempo gasto com a transferência dos arquivos DICOM e o poder computacional necessário para realizar o processo de renderização. A arquitetura da solução permitiu que computadores menos potentes e dispositivos móveis, como tablets e celulares, pudessem ser utilizados para visualização das imagens médicas 3D