@article{Mancini_Falcão_Yi_Pignatari_Alves_Pisa_2009, place={Brasil}, title={Comparação de algoritmos de redes neurais artificiais no diagnóstico de crianças respiradoras bucais}, volume={1}, url={https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/88}, abstractNote={<font size="3"><strong><span style="font-family: Garamond; color: black">Introdução:</span></strong><span style="font-family: Garamond; color: black"> 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. <strong>Objetivo:</strong> Comparar a acurácia de 4 algoritmos de RNA - mapa auto-organizável, aprendizagem por quantização vetorial (LVQ), perceptron e perceptron de múltiplas-camadas. <strong>Métodos:</strong> 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. <strong>Resultados:</strong> 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.</span></font>}, number={1}, journal={Journal of Health Informatics}, author={Mancini, Felipe and Falcão, Alex Esteves Jaccoud and Yi, Liu Chiao and Pignatari, Shirley Shizue Nagata and Alves, Domingos and Pisa, Ivan Torres}, year={2009}, month={out.} }