Your browser doesn't support javascript.
loading
Show: 20 | 50 | 100
Results 1 - 5 de 5
Filter
1.
In. III Congresso Latino Americano de Engenharia Biomédica - CLAEB / International Federation for Medical and Biological Engineering - IFMBE Proceedings. Anais. João Pessoa, SBEB, 2004. p.895-898, 1 CD-ROM - III Congresso Latino Americano de Engenharia Biomédica - CLAEB / International Federation for Medical and Biological Engineering - IFMBE Proceedings, ilus.
Monography in Portuguese | LILACS | ID: lil-540454

ABSTRACT

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


Subject(s)
Humans , Congresses as Topic , Epilepsy , Fuzzy Logic , Nerve Net
2.
Rev. bras. neurol ; 38(2/3): 32-37, out. 2002. ilus
Article in Portuguese | LILACS | ID: lil-386252

ABSTRACT

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


Subject(s)
Humans , Algorithms , Artificial Intelligence , Neural Networks, Computer , Seizures , Signal Processing, Computer-Assisted
3.
Rev. bras. neurol ; 37(3/4): 34-41, dez. 2001. ilus
Article in Portuguese | LILACS | ID: lil-311272

ABSTRACT

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


Subject(s)
Humans , Algorithms , Artificial Intelligence , Epilepsy , Expert Systems , Sensitivity and Specificity , Software Validation
4.
Rev. méd. Hosp. Säo Vicente de Paulo ; 11(26): 50-5, jan.-jun. 2000. tab
Article in Portuguese | LILACS | ID: lil-285496

ABSTRACT

O objetivo despte trabalho é a aplicação de duas abordagens numéricas baseadas em probabilidades utilizadas no tratamento da incerteza e sua respectiva validação. Esta pesquisa realizou um estudo probabilístico em sistemas especialistas: Rede Bayesianas e Fatores de Certeza, apresentando como domínio de aplicação o diagnóstico clínico das crises epiléticas. O sistema foi desenvolvido com a ajuda da metodologia KADS e baseado na International League Against Epilepsy/ILAE81...


Subject(s)
Humans , Decision Support Systems, Clinical , Probability Theory , Artificial Intelligence , Bayes Theorem , Epilepsy/diagnosis , Decision Making, Computer-Assisted
5.
Rev. méd. Hosp. Säo Vicente de Paulo ; 9(21): 19-23, jul.-dez. 1997. tab
Article in Portuguese | LILACS | ID: lil-214154

ABSTRACT

Com o objetivo de desenvolver sistemas automatizados de aquisiçäo de conhecimento para auxiliar na classificaçäo de crises epilépticas, este artigo apresenta um Sistema de Auxílio ao Diagnóstico Clínico de Crises Epilépticas, baseado na metodologia KADS (Knowledge Acquisition and Design Structure). Os métodos utilizados pelas ferramentas, tanto para a aquisiçäo como representaçÝo do conhecimento, representam o escopo da Engenharia do Conhecimento. O objetivo do sistema é obter conjuntos de sintomas apresentados pelo paciente e descrever um provável diagnóstico. O modo de classificaçäo utiliza as técnicas de IA simbólica, através do "shell Kappa-PC"e foi baseado na classificaçäo por tipo de crise da Liga Internacional Contra Epilepsia/ILAE. O sistema encontra-se na fase de teste e manutençäo das regras que fazem parte do módulo de propagaçäo do foco epiléptico


Subject(s)
Humans , Epilepsy/diagnosis , Diagnosis, Computer-Assisted , Decision Making, Computer-Assisted
SELECTION OF CITATIONS
SEARCH DETAIL