Rede neural artificial para detecção de sobremortalidade atribuível à cólera no Ceará

OBJETIVO: Avaliar as redes neurais recorrentes enquanto técnica preditiva para séries temporais em saúde. MÉTODOS: O estudo foi realizado durante uma epidemia de cólera ocorrida no Estado do Ceará, em 1993 e 1994, a partir da sobremortalidade tendo como causa básica as infecções intestinais mal definidas (CID-9). O número mensal de óbitos por essa causa, referente ao período de 1979 a 1995 no Estado do Ceará, foram obtidos do Sistema de Informação de Mortalidade (SIM) do Ministério da Saúde. Estruturou-se uma rede com dois neurônios na camada de entrada, 12 na camada oculta, um neurônio na camada de saída e um na camada de memória. Todas as funções de ativação eram a função logística. O treinamento foi realizado pelo método de backpropagation, com taxa de aprendizado de 0,01 e momentum de 0,9, com dados de janeiro de 1979 a junho de 1991. O critério para fim do treinamento foi atingir 22.000 epochs. Compararam-se os resultados com os de um modelo de regressão binomial negativa. RESULTADOS: A predição da rede neural a médio prazo foi adequada, em dezembro de 1993 e novembro e dezembro de 1994. O número de óbitos registrados foi superior ao limite do intervalo de confiança. Já o modelo regressivo detectou sobremortalidade a partir de março de 1992. CONCLUSÕES: A rede neural se mostrou capaz de predição, principalmente no início do período, como também ao detectar uma alteração concomitante e posterior à ocorrência da epidemia de cólera. No entanto, foi menos precisa do que o modelo de regressão binomial, que se mostrou mais sensível para detectar aberrações concomitantes à circulação da cólera.

A utilização de uma rede neural artificial para previsão da incidência da malária no município de Cantá, estado de Roraima

INTRODUÇÃO: A malária é uma doença endêmica na Amazônia Legal Brasileira, apresentando riscos diferentes para cada região. O Município de Cantá, no Estado de Roraima, apresentou para todo o período estudado, um dos maiores índices parasitários anuais do Brasil, com valor sempre maior que 50. O presente estudo visa à utilização de uma rede neural artificial para previsão da incidência da malária nesse município, a fim de auxiliar os coordenadores de saúde no planejamento e gestão dos recursos. MÉTODOS: Os dados foram coletados no site do Ministério da Saúde, SIVEP - Malária entre 2003 e 2009. Estruturou-se uma rede neural artificial com três neurônios na camada de entrada, duas camadas intermediárias e uma camada de saída com um neurônio. A função de ativação foi à sigmoide. No treinamento, utilizou-se o método backpropagation, com taxa de aprendizado de 0,05 e momentum 0,01. O critério de parada foi atingir 20.000 ciclos ou uma meta de 0,001. Os dados de 2003 a 2008 foram utilizados para treinamento e validação. Comparam-se os resultados com os de um modelo de regressão logística. RESULTADOS: Os resultados para todos os períodos previstos mostraram-se que as redes neurais artificiais obtiveram um menor erro quadrático médio e erro absoluto quando comparado com o modelo de regressão para o ano de 2009. CONCLUSÕES: A rede neural artificial se mostrou adequada para um sistema de previsão de malária no município estudado, determinando com pequenos erros absolutos os valores preditivos, quando comparados ao modelo de regressão logística e aos valores reais.

Desenvolvimento e análise de uma rede neural artificial para estimativa da erosividade da chuva para o Estado de São Paulo

O conhecimento do valor da erosividade da chuva (R) de determinada localidade é fundamental para a estimativa das perdas de solo feitas a partir da Equação Universal de Perdas de Solo, sendo, portanto, de grande importância no planejamento conservacionista. A fim de obter estimativas do valor de R para localidades onde este é desconhecido, desenvolveu-se uma rede neural artificial (RNA) e analisou-se a acurácia desta com o método de interpolação "Inverso de uma Potência da Distância" (ID). Comparando a RNA desenvolvida com o método de interpolação ID, verificou-se que a primeira apresentou menor erro relativo médio na estimativa de R e melhor índice de confiança, classificado como "Ótimo", podendo, portanto, ser utilizada no planejamento de uso, manejo e conservação do solo no Estado de São Paulo.

Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial

Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido.

Apreçamento de opções sobre taxa de câmbio R$/US$ negociadas no Brasil: uma comparação entre os modelos Black e redes neurais artificiais

No estudo aqui apresentado, aplicou-se um modelo de rede neural multicamadas para o apreçamento de calls sobre taxa de câmbio R$/US$, negociadas na Bolsa de Valores, Mercadorias & Futuros de São Paulo (BM&FBovespa), para o período de janeiro de 2004 a dezembro de 2007. A partir dos preços efetivamente praticados no mercado, comparou-se o desempenho entre essa técnica e o modelo de Black, utilizando-se métricas usuais de erro e testes estatísticos. Os resultados obtidos revelaram, em geral, a melhor adequação do modelo de inteligência artificial, em comparação ao modelo de Black, nos diferentes graus de moneyness.

O poder cognitivo das redes neurais artificiais modelo ART1 na recuperação da informação

O artigo relata um experimento de simulação computacional de um sistema de recuperação da informação composto por uma base de índices textuais de uma amostra de documentos, um software de rede neural artificial implementando conceitos da Teoria da Ressonância Adaptativa, para automação do processo de ordenação e apresentação de resultados, e um usuário humano interagindo com o sistema em processos de consulta. O objetivo do experimento foi demonstrar (i) a utilidade das redes neurais de Carpenter e Grossberg (1988) baseadas nessa teoria e (ii) o poder de resolução semântica com índices sintagmáticos da abordagem SiRILiCO proposta por Gottschalg-Duque (2005), para o qual um sintagma nominal ou proposição é uma unidade linguística constituda de sentido maior que o significado de uma palavra e menor que uma narrativa ou uma teoria. O experimento demonstrou a eficácia e a eficiência de um sistema de recuperação da informação combinando esses recursos, concluindo-se que um ambiente computacional dessa natureza terá capacidade de clusterização (agrupamento) variável on-line com entradas e aprendizado contínuos no modo não supervisionado, sem necessidade de treinamento em modo batch (off-line), para responder a consultas de usuários em redes de computadores com desempenho promissor.

Estimação do volume de árvores utilizando redes neurais artificiais

Rede neural artificial consiste em um conjunto de unidades que contêm funções matemáticas, unidas por pesos. As redes são capazes de aprender, mediante modificação dos pesos sinápticos, e generalizar o aprendizado para outros arquivos desconhecidos. O projeto de redes neurais é composto por três etapas: pré-processamento, processamento e, por fim, pós-processamento dos dados. Um dos problemas clássicos que podem ser abordados por redes é a aproximação de funções. Nesse grupo, pode-se incluir a estimação do volume de árvores. Foram utilizados quatro arquiteturas diferentes, cinco pré-processamentos e duas funções de ativação. As redes que se apresentaram estatisticamente iguais aos dados observados também foram analisadas quanto ao resíduo e à distribuição dos volumes e comparadas com a estimação de volume pelo modelo de Schumacher e Hall. As redes neurais formadas por neurônios, cuja função de ativação era exponencial, apresentaram estimativas estatisticamente iguais aos dados observados. As redes treinadas com os dados normalizados pelo método da interpolação linear e equalizados tiveram melhor desempenho na estimação.

Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais

As redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.

Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.

Aplicação de redes neurais para avaliação do teor de carne mecanicamente separada em salsicha de frango

A carne mecanicamente separada (CMS) de frango é uma matéria-prima cárnea produzida através de equipamentos próprios do tipo desossadores mecânicos, utilizando partes de frango de baixo valor comercial como o dorso e o pescoço. Para determinação do teor de CMS utilizada na composição de produtos cárneos comerciais construímos uma rede neural artificial do tipo Backpropagation (BP). O objetivo deste trabalho foi treinar, testar e aplicar uma rede do tipo BP, com três camadas de neurônios, para previsão do teor de CMS a partir do teor de minerais de salsichas formuladas com diferentes teores de carne de frango mecanicamente separada. Utilizamos a composição mineral de 29 amostras de salsicha contendo diferentes teores de CMS e 22 amostras de produtos cárneos comerciais. A topologia da rede foi 5-5-1. O erro quadrático médio no conjunto de treinamento foi de 2,4% e na fase de teste foi de apenas 3,8%. No entanto, a aplicação da rede às amostras comerciais foi inadequada devido à diferença de ingredientes das salsichas usadas no treinamento e os ingredientes das amostras comerciais. A rede neural construída para determinação do teor de carne mecanicamente separada mostrou-se eficiente durante a fase de treinamento e teste da rede.

Avaliação das informações sobre rinite alérgica em sites brasileiros na rede mundial de computadores (Internet)

A rede mundial de computadores (Internet) é, atualmente, fonte de informação sobre saúde para leigos e profissionais da área médica. A Rinite Alérgica é uma doença muito prevalente que chega a atingir mais de 10% da população geral, causando queda da qualidade de vida. OBJETIVO: Avaliar os princípios éticos de sites brasileiros que divulgam informações a respeito do tema "rinite alérgica". FORMA DE ESTUDO: revisional. MATERIAL E MÉTODO: Foi feita avaliação de 173 sites brasileiros encontrados através de quatro mecanismos de busca (Google, Yahoo, Altavista e Radar Uol). Os sites foram avaliados de acordo com o Manual de Princípios Éticos para Sites de Medicina e Saúde do CREMESP (Conselho Regional de Medicina do Estado de São Paulo), de acordo com os itens transparência, honestidade, qualidade, consentimento livre e esclarecido, privacidade, ética médica, responsabilidade e procedência. RESULTADOS: Entre os sites analisados, 149 (86,1%) não estavam de acordo como Manual de Princípios Éticos para Sites de Medicina e Saúde do CREMESP. As proporções de irregularidades entre os itens avaliados foram: qualidade (84,4%), privacidade (46,2%) honestidade (18,5%), consentimento livre e esclarecido (15,6%), responsabilidade (13,9%), transparência (12,1%), ética médica (2,3%). Havia informações inexatas em 24,3% dos sites analisados. CONCLUSÕES: A maioria dos sites estudados contendo informações sobre rinite alérgica fere os princípios éticos para sites do CREMESP. Tanto a qualidade em geral de grande parte dos sites brasileiros que abordam o tema "rinite alérgica", quanto à qualidade das informações por eles divulgadas, são insuficientes para satisfazer a médicos e pacientes.

Telemetria de resposta neural intra-operatória em usuários de implante coclear

A possibilidade de realizar o implante coclear em crianças pequenas torna necessário o uso de medidas objetivas para auxiliar a programação do processador de fala. Telemetria é a propriedade que permite, no Nucleus 24®, a obtenção do potencial de ação composto evocado do VIII par (EAP) utilizando o implante como instrumento de estimulação e gravação para o estudo das propriedades neurais remanescentes. OBJETIVO: Descrever a utilização do sistema de telemetria para a gravação do EAP, caracterizando as respostas obtidas e a sua prevalência na condição intraoperatória. FORMA DE ESTUDO: clínico com coorte transversal. MATERIAL E MÉTODO: Medidas das impedâncias dos eletrodos e do EAP em um grupo de 17 indivíduos usuários do implante Nucleus 24® durante a cirurgia. Análise das respostas de acordo com a etiologia, o tempo de duração da surdez e a posição dos eletrodos dentro da cóclea. RESULTADOS: Maior prevalência nos eletrodos apicais e limiares mais elevados nos casos de meningite e otosclerose. CONCLUSÃO: A telemetria é eficiente para a verificação da integridade dos eletrodos na condição intraoperatória e para a gravação do EAP, apresentando alta prevalência na população estudada.

Efeitos do potencial de ação neural sobre a percepção de fala em usuários de implante coclear

O Potencial de Ação Composto Evocado Eletricamente reflete a atividade do nervo auditivo, podendo ser registrado através dos eletrodos do implante coclear. A determinação dos elementos neurais estimuláveis pode contribuir para explicar a variabilidade de desempenho entre indivíduos implantados. OBJETIVO: Comparar o desempenho nos testes de percepção da fala entre pacientes que apresentaram e que não apresentaram potencial de ação composto evocado eletricamente no momento intra-operatório. MATERIAL E MÉTODO: Estudo prospectivo no qual 100 indivíduos usuários do implante coclear Nucleus 24 foram divididos em dois grupos de acordo com a presença ou ausência do potencial de ação intra-operatório. Após 6 meses de uso do dispositivo, os resultados dos testes de percepção de fala foram comparados entre os grupos. RESULTADOS: O potencial foi observado em 72% dos pacientes. A percepção no teste de frases em formato aberto foi melhor nos indivíduos com presença de potencial (média 82,8% contra 41,0%, p = 0,005). Houve associação entre ausência do potencial e etiologia da surdez por meningite. CONCLUSÃO: Ausência de potencial neural intraoperatório esteve associada ao pior desempenho na percepção da fala e à etiologia da surdez por meningite. Por outro lado, a presença do potencial de ação intraoperatório sugere ótimo prognóstico.

Perda auditiva sensório-neural na otite média crônica supurativa em pacientes com e sem colesteatoma

Perda auditiva sensório-neural (PASN) relacionada a otite média crônica supurativa (OMCS) foi estudada para esclarecer a participação do colesteatoma nesse contexto. OBJETIVO: Avaliar ocorrência de PASN na OMCS, correlacionando com colesteatoma, duração da doença e idade. CASUÍSTICA E MÉTODOS: Estudo retrospectivo de 115 pacientes com OMCS com e sem colesteatoma submetidos à cirurgia. Incluíram-se pacientes com doença unilateral, orelha contralateral normal e idade inferior a 60 anos. RESULTADOS: Idade média foi de 26 anos, sendo 58 homens e 57 mulheres. Tempo médio de duração da doença otológica de 12,4 anos. Limiar auditivo médio foi de 40 dB na orelha com OMCS e 22dB na orelha normal (P=0,002). Observou-se colesteatoma em 78 dos 115 casos. Na orelha com OMCS, ocorreram 15 (13%) casos de PASN, sendo 7 associadas à colesteatoma e 8 não associadas. Seis casos de PASN foram severa/profunda, correlacionando-se com idade ajustada (P=0,003), ausência de colesteatoma (P=0,01), mas não com duração da doença (P=0,458). CONCLUSÃO: PASN ocorreu em 13% dos pacientes com OMCS, correlacionando-se com o aumento da idade, mas não com a presença de colesteatoma ou com maior duração da doença otológica.

Integração de imagens NOAA/AVHRR: rede de cooperação para monitoramento nacional da safra de soja

Uma avaliação inicial das condições do desenvolvimento da safra nacional, enquanto as plantas ainda estão nos campos, é altamente necessária para o cálculo correto das projeções na tomada de decisão e políticas relacionadas com o planejamento governamental e segurança alimentar. O objetivo deste trabalho foi avaliar a adequação dos dados NOAA/AVHRR (National Oceanic and Atmospheric Administration / Advanced Very High Resolution Radiometer) em detectar mudanças nas condições da vegetação, devidas à ocorrência de estresse hídrico, na soja, por meio de uma combinação do índice NDVI (Normalized Difference Vegetation Index) e da LST (Land Surface Temperature). Os dados LST e NDVI foram combinados e comparados pixel a pixel, sobre uma área de cultivo de soja, no Rio Grande do Sul. A relação teórica inversa prevista na combinação de LST e NDVI foi detectada. Foi observado que ocorre um aumento médio na LST em uma safra de ciclo normal (de 301,02 K para 308,36 K), quando comparada a uma safra sob condição de estresse hídrico, no desenvolvimento da cultura. Uma redução média do NDVI foi observada no ciclo normal (de 0,65 para 0,53), comparada com uma safra sob efeitos ocasionados pela estiagem no desenvolvimento da cultura. Foi observado maior correlação da produtividade municipal com LST (R2=0,78) do que com o NDVI (R2 = 0,59). Os resultados obtidos indicam que a integração de imagens do sensor AVHRR, proveniente de diferentes instituições, proporciona a adequada combinação espacial e temporal dos dados LST e NDVI, a fim de detectar a ocorrência de estresse hídrico, bem como sua intensidade, caracterizando as condições do ciclo de desenvolvimento da soja.