Aplicação de Redes Neurais Artificiais Paraconsistentes no auxílio do diagnóstico da doença de...
-
Upload
helder-lopes -
Category
Education
-
view
482 -
download
0
description
Transcript of Aplicação de Redes Neurais Artificiais Paraconsistentes no auxílio do diagnóstico da doença de...
Aplicaçãos de RNAP no auxílio do diagnóstico da Doença de AlzheimerComo você fez?
A doença de Alzheimer● Doença neurológica caracterizada por alteração cognitiva1.
● É mais prevalente senescência1 e corresponde a cerca de 50% dos casos dedemência2.
● As formas de DA podem ser3.○ Familial (genética).○ Esporádica: Possui fatores de riscos, tais como idade avançada,
histórico familiar, sexo feminino, trauma crânio-encefálico, baixa escolaridade, histórico familiar de Síndrome de Down e genótipo com a presença da ApoE entre outros.
1 McKhann G. Clinical diagnosis of AD. 1984.2 Herrera J. E. Estudo epidemiológico populacional de demência na cidade de Catanduva, estado de São Paulo, Brasil. 1998.3 Jelic V. Phd Thesis. 1999.
O EEG
O EEG
Atividade Beta > 13 Hz
Atividade Alpha 8 Hz-13 Hz
Atividade Theta 4 Hz-7 Hz
Atividade Delta < 4 Hz
A metodologia
Último trabalho publicado
Paraconsistent Artificial Neural Networks and AD Analysis – Improvements
Computational Collective Intelligence. Technologies and Applications. Lecture Notes in Computer Science. Volume 7653, 2012, pp 259-267
● Jair Minoro Abe, ● Helder Frederico S. Lopes, ● Kazumi Nakamatsu
A RNAPSistema Neural Artificial Paraconsistente para Tratamento de Contradição
CNAP: Conexão Analíticafunction TFaPANN.PANCAC(mi, lambda, Ftce, Ftct: real; output: integer): real;
var
Gce: real;
Gun: real;
lambdacp: real;
mir: real;
S1, S2: real;
begin
lambdacp := 1 - lambda;
Gce := mi - lambdacp;
Gun := mi + lambdacp - 1;
mir := (Gce + 1) / 2;
if (abs(Gce) > Ftce) then begin
S1 := mir;
S2 := 0;
end
else begin
if (abs(Gun) > Ftct) and (abs(Gun) > abs(Gce)) then begin
S1 := mir;
S2 := abs(Gun);
end
else begin
S1 := 0.5;
S2 := 0;
end;
end;
if output = 1 then result := S1
else result := S2;
end;
CNAP: MaximizaçãoFunction TFaPANN.PANCMAX(mi, lambda: real): real;var mir: real;begin mir := ((mi - lambda) + 1) / 2; if (mir > 0.5) then result := mi else result := lambda;end;
CNAP: MinimizaçãoFunction TFaPANN.PANCMIN(mi, lambda: real): real;var mir: real;begin mir := ((mi - lambda) + 1) / 2; if (mir < 0.5) then result := mi else result := lambda;end;
CNAP: A RNAPfunction TF_pann.Ad_diagnostic_analysis(PA, PB, PC: real; tipo: integer): real;var C1, C2, C3, C4, C5, C6, C7: real;begin C1 := FaPANN.PANCAC(PA, PB, 0, 0, 1); C2 := FaPANN.PANCAC(PC, PB, 0, 0, 1); C3 := FaPANN.PANCAC(PC, PA, 0, 0, 1);
C4 := FaPANN.PANCMAX(C1, C2); C6 := FaPANN.PANCMAX(C4, C3);
C5 := FaPANN.PANCMIN(C2, C3); C7 := FaPANN.PANCMIN(C1, C5);
if tipo = 1 then result := FaPANN.CNAPCA(C6, C7, 0, 0, 1) else result := FaPANN.CNAPCA(C6, C7, 0, 0, 2);end;
CNAP: Orientado à Objeto
CNAP: Orientado à Objeto
CNAP: Orientado à Objeto
CNAP: Orientado à Objeto
CNAP: Orientado à Objeto
That´s all Folks!Dúvidas, críticas sugestões?
Helder Frederico Lopes [email protected]
@helder_fs_lopes
Agradecimento: Charles Alves