Metodologia de aprendizagem utilizando neurônios difusos aplicada no diagnóstico de eventos paroxísticos / Learning methodology that uses fuzzy neurons applied in the diagnosis of paroxysmal events

Este artigo tem por objetivo propor uma metodologia de aprendizagem integrando os conceitos entre redes neurais qrtificiais (RNAs) e a teoria dos conjuntos difusos (TCDs). O maior interesse da pesquisa é examinar a aplicabilidade das operações aritméticas t-normas e t-conormas, implementadas através de dois tipos de neurônios difusos. Os resultados mostram que a operação aritmética Soma/Produto de Einstein E/OU implementado com o neurônio difuso proposto por Kwan-Cai obteve os melhores índices de acertos do SND. Os resultados foram analisados considerando os indicadores quantitativos de modelagem. A área de domínio, utilizada para provar a validade da metodologia, é no diagnóstico de eventos paroxístico (EPs), envolvendo os eventos epilépticos (EEs) e os eventos não epilépticos (ENEs).

Estudo comparativo entre funções wavelet e suas diferentes aplicabilidades em reconhecimento de padrões epileptogênicos em eletroencefalograma / Comparative study concerning to wavelet functions and its different applicabilities to pattern recognition in electroencephalogram

A transformada wavelet discreta (DWT)fornece uma representação de sinais precisa no domínio tempo-freqüência, gerando poucos coeficientes com mínima perda de informação, devido a sua capacidade potencial de oferecer alto grau de correlação com o sinal a ser decomposto ou com o padrão a ser reconhecido. Embora este atributo dependa fundamentalmente da escolha da função wavelet a ser utilizada para cada tipo específico de padrão, frequentemente a metodologia de seleção relatada não fica clara. O presente estudo descreve e propõe uma metodologia destinada a maximizar o aproveitamento da DWT na detecção automática de padrões relacionados à epilepsia (chamados eventos epileptogênicos), em sinais de eletroencefalograma (EEG). Com base em uma metodologia estatística simples (teste Z-score), determinou-se a melhor função wavelet dentre as mais utilizadas. Esta função wavelet específica provou ser a mais apta em separar os padrões epileptogênicos da atividade de fundo normal em EEG, no espaço de características. Os testes demonstraram que apenas algumas das funções wavelet atualmente utilizadas são aplicáveis à tarefa de ressaltar eventos epileptogênicos com relação à atividade de fundo nos sinais de EEG. Os valores de limiar para detecção após a DWT foram investigados e obtiveram-se taxas de sensibilidade e especificidade simultâneas de 88,7 por cento para o método.

Análise de modelos de aprendizagem para diagnosticar eventos paroxísticos / Analysis of learning models to diagnose paroxysmal events

Esta pesquisa tem como objetivo a análise de modelos de aprendizagem utilizando diferentes operações aritméticas aplicadas em um Sistema Neuro-Difuso (SND). A pesquisa integra os conceitos entre as Redes Neurais Artificiais (RNAs) e a Teoria dos Conjuntos Difusos (TCDs). Descreve diferentes combinações de operações aritméticas para compor as regras difusas utilizando expressões de entrada lingüísticas e numéricas. Para avaliar a validade da proposta, um SND é proposto para diagnosticar Eventos Paroxísticos envolvendo os Eventos Epilépticos(EEs) e os Eventos não Epilépticos (ENEs). Após uma simulação realizada constatou-se que as operações aritméticas Produto/Soma Algébrica e Produto/Soma de Hamacher apresentaram um valor final mais próximo em relação ao valor fornecido pelo especialista de domínio.

Modelo híbrido de aprendizagem utilizando expressões linguísticas e numéricas no auxílio ao diagnóstico / Hybrid model of learning using linguistic expressions and numerical in the diagnosis

O objetivo desta pesquisa é a análise de modelos de aprendizagem, utilizando diferentes operações aritméticas aplicadas de Sistemas Neuro-Fuzzy (NFS)...

Uma análise nas técnicas de aprendizagem utilizadas em redes neurais artificiais / An analysis of learning techniques that uses artificial neural networks

Este trabalho analisa dois algoritmos de aprendizagem na área da neurologia descrevendo algumas técnicas de aprendizagem utilizadas em Redes Neurais Artificiais (RNAs). Os algoritmos utilizam a aprendizagem competitiva através do Mapa Auto-organizável de Kohonen em uma arquitetura de rede 2 x 2 e uma arquitetura de rede 5 x 5. Através da técnica Learning Vector of Quantization (LVQ1) o conjunto de treinamento referente à matriz 5 x 5 apresentou um índice de convergência de 95,2 por cento; o conjunto de teste da rede obteve um índice de convergência de 95,1 por cento; na matriz 2 x 2 apenas 84,7 por cento da base de treinamento da rede apresentou índices de convergência; no conjunto de teste da rede o índice de acertos subiu para 85,4 por cento. A partir destes resultados pode-se observar que a rede obteve um índice melhor de classificação de crises convulsivas com a aplicação da técnica LVQ1.

Exploração de bases de dados médicas através de redes neurais artificiais / Medical data base exploration through artificial neural networks

O objetivo deste trabalho é a implementação de técnicas utilizadas no processo de aprendizagem em Redes Neurais Artificiais Auto-organizáveis (RNA's). Inicialmente a rede será treinada a partir do simulador da Neurosciences - ActiveX que utiliza o algoritmo padrão de Kohonen com a aprendizagem competitiva e não supervisionada. O resultado da simulação será comparado com o algoritmo que utiliza aprendizagem supervisionada através da técnica Learning Vector of Quantization (LVQ1). O domínio escolhido para a implementação dos algoritmos de aprendizagem foi a aplicação no Diagnóstico Clínico das Crises Convulsivas, baseado na Classificação International League Against Epilepsy - ILAI/81. De acordo com os resultados encontrados do simulador e do algoritmo que utiliza a técnica LVQ1 em uma matriz (2x2) as bases de treinamento e teste da rede mostraram um índice de convergência de 71,31 por cento e 100 por cento; em uma matriz (5x5) as bases de treinamento e teste apresentaram 84,4 por cento e 100 por cento respectivamente. A partir destes resultados observou-se que, com a utilização da técnica LVQ1 em ambas as topologias de rede ocorreu uma melhora significativa no reconhecimento dos padrões

Validação de um sistema especialista de apoio ao diagnóstico médico / Validation of a expert system to support the medical diagnosis

Sistemas Especialistas Médicos são projetados para o profissional da saúde no auxílio ao suporte à decisão aplicados ao diagnóstico ou prognóstico do paciente. Estimaðse que, aproximadamente 90 por cento de todos os Sistemas Especialistas Médicos não foram avaliados no ambiente clínico. Pesquisas estão demonstrando que existem diversas técnicas de avaliação de Sistemas Especialistas, entre elas o desempenho ð feedback na tomada de decisão e a aplicação de medidas estatísticas. Este artigo descreve as diferentes estratégias de pesquisas utilizadas na avaliação de Sistemas Especialistas Médicos e identifica um método utilizado para avaliar o desempenho de um Sistema Especialista Probabilístico no laboratório e no ambiente clínico

Estudo do aprendizado baseado em casos em modelos de redes conexionistas IAC (interactive activation and competition) / Study of learning case besed in IAC (Interactive Activation and Competition)

Neste trabalho é estudado o problema do aprendizado (baseado em casos) em redes conexionistas IAC (Interactive Activation and Competition). O modo básico de aprendizado, nestes tipos de redes, pode ser classificado como "Rote Learning". Ou seja, através de um trabalho de "Engenharia de Conexões" (semelhante ao procedimento de "Engenharia de Conhecimento" em Sistemas Especialistas Simbólicos) os pesos das conexões são determinadas "a priori" e armazenados na estrutura da rede. Neste sentido, um exemplo de Diagnóstico Diferencial na Área de Reumatologia foi utilizado no estudo da capacidade de aprendizado da rede pela introdução de casos reais clínicos, apresentados por um especialista médico, utilizados como fonte de conhecimento adicional ao conhecimento estabelecido pelas relações entre sintomas e doenças. São discutidos os resultados de simulações realizadas.

Instrumento virtual para aquisiçäo de sinais bioelétricos / Virtual instrument for acquisition of bioeletrical signals

Neste trabalho é apresentado um instrumento virtual baseado em computador IBM-PC Pentium compatível para aquisição, armazenamento, processamento e análise de sinais eletroencefalográficos, eletroculográficos, eletromiográficos e eletrocardiográficos que amplie o arsenal de ferramentas numéricas e estatísticas desenvolvidas em um sistema anterior denominado de SAASBIO - "Sistema de Aquisição e Análise de Sinais BIOelétricos". São, também, utilizados métodos baseados em técnicas de Inteligência Artificial (IA) - Simbólica e/ou Neural para reconhecimento de padrões

Abstract - This work presents a virtual instrument based in the Pentium IBM-PC compatible computer for acquisition, storage, processing and analysis of eletroencephalographic, eletrooculagraphic, eletromiographic and eletrocardiographic signals. This system was introduced to amplify the arsenal of the numerical and statistics tools previously developed and know by SAASBIO - "Sistema de Aquisição e Análise de Sinais BIOelétricos"l.2.3, and include methods based on Attificial intelligence (IA) techniques symbolic and/or Neural to pattern recognition