Comparação de algoritmos de redes neurais artificiais no diagnóstico de crianças respiradoras bucais

Felipe Mancini, Alex Esteves Jaccoud Falcão, Liu Chiao Yi, Shirley Shizue Nagata Pignatari, Domingos Alves, Ivan Torres Pisa

Resumo


Introdução: A respiração bucal crônica é uma síndrome que pode promover alterações na postura corporal. Métodos estatísticos têm sido propostos a fim de realizar modelagem não-linear com alta dimensionalidade de dados biomédicos, entre eles destacam-se as redes neurais artificiais (RNA). RNA são ferramentas estatísticas que realizam mapeamentos não-lineares entre um conjunto de variáveis de entrada e um conjunto de variáveis de saída. Objetivo: Comparar a acurácia de 4 algoritmos de RNA - mapa auto-organizável, aprendizagem por quantização vetorial (LVQ), perceptron e perceptron de múltiplas-camadas. Métodos: Utilizou-se como padrão de entrada dados de postura corporal de 52 crianças - 30 diagnosticadas previamente como respiradoras bucais e 22 como respiradoras nasais – no diagnóstico de crianças respiradoras bucais. Foi utilizado a algoritmo de validação cruzada leave-one-out, sendo calculada sensibilidade, especificidade e área sob a curva ROC para medir o desempenho dos algoritmos de RNA. Resultados: Dentre os algoritmos de RNA analisados, o LVQ apresentou melhores taxas de sensibilidade (0,90), especificidade (0,95) e AUC (0,92) no diagnóstico de crianças respiradoras bucais usando como padrão de entrada dados da postura corporal.

Texto completo: PDF


Journal of Health Informatics - ISSN 2175-4411
Rua Tenente Gomes Ribeiro, 57 - sala 33 CEP 04038-040 São Paulo - SP - Brasil
Tel./Fax: + 55 11 3791 3343 - E-mail: jhi@sbis.org.br