ABSTRACT
Objetivo: O trabalho em questão vem apresentar a proposta de uma ferramenta desenvolvida com técnicas de computação evolutiva e reconhecimento baseado em casos para auxílio no diagnóstico da cardiopatia isquêmica. Método: Análises bibliográficas e aplicação combinada das técnicas de Algoritmos Genéticos (AG?s) e reconhecimento baseado em casos (RBC?s) e derivações da função de distância euclidiana Resultado: Os testes realizados na ferramenta mostraram que esta possui grande grau de acertos em suas indicações de diagnóstico, chegando a 97,01% de acertos nas etapas de treinamento com acurácia, especificidade e sensibilidades superiores a 92%. Conclusão: A escolha das tecnologias citadas bem como dos métodos aplicados para evolução do algoritmo dentro das técnicas de AG, proporcionaram a ferramenta grande capacidade de decisão levando-a grandes taxas de acertos em sua indicação diagnóstica.
Objective: The work in question is presenting the proposal of a tool developed with evolutionary computation techniques and recognition based on cases to aid in the diagnosis of ischemic heart disease. Method: literature analysis and the combined use of techniques of Genetic Algorithms ( GAs ) and recognition based on cases (RBC ?s) and derivations of the function of Euclidean distance. Result: The tests performed on the tool showed that it has high degree of accuracy for their diagnostic indications, reaching 97.01 % accuracy in the training stages with accuracy, specificity and sensitivity higher than 92 %. Conclusion: The choice of technologies cited as well as the methods used for the evolution of the algorithm within the AG techniques, provided a great capacity for decision - taking tool to major hit ratios in the diagnostic statement.
Objetivo: La obra en cuestión es la presentación de la propuesta de una herramienta desarrollada con técnicas de computación evolutiva y el reconocimiento basado en casos para ayudar en el diagnóstico de la cardiopatía isquémica. Método: análisis de la literatura y el uso combinado de técnicas de algoritmos genéticos ( GAs ) y reconocimiento basado en casos ( RBC ) y derivaciones de la función de distancia euclídea. Resultado: Las pruebas realizadas en la herramienta demostró que tiene alto grado de respuestas correctas en sus indicaciones diagnósticas, alcanzando una precisión 97,01 % en las etapas de formación con precisión, especificidad y sensibilidad superior al 92 %. Conclusión: La elección de las tecnologías citadas, así como los métodos utilizados para la evolución del algoritmo dentro de las técnicas de AG, a condición de una gran capacidad para la toma de decisiones herramienta para los cocientes de ataque en el estado de diagnóstico.