Banca de TCC – Felipe Camargo Gruendemann

Resumo do Trabalho:

Os sistemas de infusão intravenosa são dispositivos que tem função de administrar a entrega de medicamento na via intravenosa de pacientes em hospitais de maneira precisa e contínua. Contudo, esses equipamentos estão sujeitos a vários tipos de fatores adversos que podem acarretar em consequências severas à pessoa em terapia. Além disso, existe grande demanda de sistemas de monitoramento de pacientes no âmbito hospitalar, visto que o suporte à tomada de decisão médica é um fator balizador no tratamento. Nesse sentido, existem alguns trabalhos em desenvolvimento que tratam da aquisição de dados sensoriais e identificação do comportamento de dispositivos médicos. Em particular, em (FERREIRA et al., 2019) foi desenvolvido um simulador de aquisição dos perfis operacionais de procedimentos de infusão, o qual inclui a simulação de sinais da leituras de um sensor. Assim, neste trabalho foram propostos alguns modelos de Machine Learning e Deep Learning para serem empregados na tarefa de reconhecimento do comportamento desses sistemas, com foco na estimação das taxas de escoamento simuladas. As principais contribuições são a aplicação dessas técnicas de Inteligência Artificial e também a análise dos modelos propostos, estudo sem precedentes na literatura pesquisada. Os resultados mostraram desempenho superior nos modelos clássicos de Aprendizado de Máquina em contraste aos modelos de Aprendizado Profundo (Redes Neurais Recorrentes — LSTM) prototipados.