RESUMEN
OBJECTIVE: To investigate different fuzzy arithmetical operations to support in the diagnostic of epileptic events and non epileptic events. METHOD: A neuro-fuzzy system was developed using the NEFCLASS (NEuro Fuzzy CLASSIfication) architecture and an artificial neural network with backpropagation learning algorithm (ANNB). RESULTS: The study was composed by 244 patients with a bigger frequency of the feminine sex. The number of right decisions at the test phase, obtained by the NEFCLASS and ANNB was 83.60% and 90.16%, respectively. The best sensibility result was attained by NEFCLASS (84.90%); the best specificity result were attained by ANNB with 95.65%. CONCLUSION: The proposed neuro-fuzzy system combined the artificial neural network capabilities in the pattern classifications together with the fuzzy logic qualitative approach, leading to a bigger rate of system success.
Asunto(s)
Algoritmos , Epilepsia/diagnóstico , Lógica Difusa , Redes Neurales de la Computación , Femenino , Humanos , Masculino , Modelos Neurológicos , Reproducibilidad de los Resultados , Sensibilidad y EspecificidadRESUMEN
OBJECTIVE: To investigate different fuzzy arithmetical operations to support in the diagnostic of epileptic events and non epileptic events. METHOD: A neuro-fuzzy system was developed using the NEFCLASS (NEuro Fuzzy CLASSIfication) architecture and an artificial neural network with backpropagation learning algorithm (ANNB). RESULTS: The study was composed by 244 patients with a bigger frequency of the feminine sex. The number of right decisions at the test phase, obtained by the NEFCLASS and ANNB was 83.60 percent and 90.16 percent, respectively. The best sensibility result was attained by NEFCLASS (84.90 percent); the best specificity result were attained by ANNB with 95.65 percent. CONCLUSION: The proposed neuro-fuzzy system combined the artificial neural network capabilities in the pattern classifications together with the fuzzy logic qualitative approach, leading to a bigger rate of system success.
OBJETIVO: Investigar diferentes operações aritméticas difusas para auxíliar no diagnóstico de eventos epilépticos e eventos não-epilépticos. MÉTODO: Um sistema neuro-difuso foi desenvolvido utilizando a arquitetura NEFCLASS (NEuro Fuzzy CLASSIfication) e uma rede neural artificial com o algoritmo de aprendizagem backpropagation (RNAB). RESULTADOS: A amostra estudada foi de 244 pacientes com maior freqüência no sexo feminino. O número de decisões corretas na fase de teste, obtidas através do NEFCLASS e RNAB foi de 83,60 por cento e 90,16 por cento, respectivamente. O melhor resultado de sensibilidade foi obtido com o NEFCLASS (84,90 por cento); o melhor resultado de especificidade foi obtido com a RNAB (95,65 por cento). CONCLUSÃO: O sistema neuro-difuso proposto combinou a capacidade das redes neurais artificiais na classificação de padrões juntamente com a abordagem qualitativa da logica difusa, levando a maior taxa de acertos do sistema.
Asunto(s)
Femenino , Humanos , Masculino , Algoritmos , Epilepsia/diagnóstico , Lógica Difusa , Redes Neurales de la Computación , Modelos Neurológicos , Reproducibilidad de los Resultados , Sensibilidad y EspecificidadRESUMEN
O objetivo desta pesquisa é investigar a aplicabilidade de diferentes operações aritméticas difusas t-normas et-conomas, implementadas através dos neurônios difusos propostos por Kwan-Cai e Hirota-Pedrycz. O sistema neuro-difuso para auxiliar no diagnóstico de doenças epilépticas (SNDDE) representa uma ajuda no diagnóstico de eventos epilépticos e eventos não epilépticos. O sistema contém conhecimento médico representado na forma de regras difusas utilizando o método de inferência difuso Mamdani, baseado no modelo perceptron multilayer (MLP). O processo de aprendizagem consiste em atualizar os pesos sinápticos através das operações aritméticas difusas t-normas e t-conormas. O sistema contém 14 unidades de entrada, representando os sintomas apresentados pelos pacientes, correspondendo a um eventoepiléptico ou um evento não epiléptico. A entrada da redecontém valores quantitativos, ou seja, quantidade de sintomas apresentados pelos pacientes durante um evento epiléptico ou um evento não epiléptico. A amostra estudada foi de 244 pacientes, com maior freqüência no sexo feminino. Os resultados mostram que as operações aritméticas difusas Soma/Produto de Einstein E(OU), implementadas com o neurônio difuso proposto por Kwan-Cai, obtiveram os melhores índices de acerto do sistema e os melhores resultados de sensibilidade e especificidade, com 93,58%, 90,69% e 96,82%, respectivamente. O SNDDE proposto combinou a capacidade das redes neurais artificiais na classificação de padrões juntamente com a abordagem qualitativa da lógica difusa, levando a uma maior taxa de acertos do sistema.
The goal of this research is to investigate the applicability of different t-norms and t-conorms fuzzy arithmetical operations, implemented with the fuzzy neurons proposed by Kwan-Cai and Hirota-Pedrycz. This research on neuro-fuzzy systems to support the epilepsy diseases diagnosis (NFSED) aims to help on diagnostics of epileptic and non epileptic events...