O documento discute o uso de Redes Neurais Artificiais Paraconsistentes (RNAP) para auxiliar no diagnóstico da Doença de Alzheimer. A RNAP pode processar informações contraditórias de forma útil através de conexões analíticas e funções de maximização e minimização. O sistema proposto usa a RNAP de forma orientada a objetos para analisar dados de pacientes e fornecer um diagnóstico.

1. Aplicaçãos de RNAP
no auxílio do
diagnóstico da
Doença de Alzheimer
Como você fez?

2. 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.

3. O EEG

4. O EEG
Atividade Beta > 13 Hz
Atividade Alpha 8 Hz-13 Hz
Atividade Theta 4 Hz-7 Hz
Atividade Delta < 4 Hz

5. A metodologia

6. 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

7. A RNAP
Sistema Neural Artificial
Paraconsistente para
Tratamento de
Contradição

8. CNAP: Conexão Analítica
function TFaPANN.PANCAC(mi, lambda, if (abs(Gce) > Ftce) then begin
Ftce, Ftct: real; output: integer): S1 := mir;
real;
S2 := 0;
var
end
Gce: real;
else begin
Gun: real;
if (abs(Gun) > Ftct) and (abs
lambdacp: real; (Gun) > abs(Gce)) then begin
mir: real; S1 := mir;
S1, S2: real; S2 := abs(Gun);
begin end
lambdacp := 1 - lambda; else begin
Gce := mi - lambdacp; S1 := 0.5;
Gun := mi + lambdacp - 1; S2 := 0;
mir := (Gce + 1) / 2; end;
end;
if output = 1 then result := S1
else result := S2;
end;

9. CNAP: Maximização
Function 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;

10. CNAP: Minimização
Function 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;

11. CNAP: A RNAP
function 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;

12. CNAP: Orientado à Objeto

13. CNAP: Orientado à Objeto

14. CNAP: Orientado à Objeto

15. CNAP: Orientado à Objeto

16. CNAP: Orientado à Objeto

17. That´s all Folks!
Dúvidas, críticas sugestões?
Helder Frederico Lopes
helderfredlopes@usp.br
@helder_fs_lopes
Agradecimento: Charles Alves