Utilizando redes neurais no reconhecimento de padrões cefalométricos

Abstract

A Inteligência Artificial tem sido um dos principais campos de estudo na área da Ciência da Computação tentando resolver problemas de difícil solução. Todos os problemas são difíceis até que sua solução seja conhecida (Fogel, 1995). Os métodos de abordagem de problemas de difícil solução encontram na Inteligência Artificial respostas satisfatórias através de paradigmas como os modelos conexionistas baseados na estrutura neuronal do cérebro humano. As Redes Neurais surgiram com o intuito de obter resultados satisfatórios comparados aos sistemas especialistas, que falham em área de competência não restrita. Essa característica é imprescindível quando tratamos problemas voltados ao âmbito biológico, pois é preciso interagir com o meio, reconhecer padrões, adaptar-se e estabelecer processos indutivos e dedutivos. A Ciência da Computação tem propiciado a evolução do conhecimento na área de Ciência Biológica e da Saúde. Citando pesquisas como o Projeto Genoma, visualizamos a Ciência da Computação não apenas como fator auxiliar, mas sim como fator limitante no desenvolvimento destas pesquisas. Isso têm direcionado grande número de trabalhos de defesa de tese voltados para a área de Ciência Biológica e da Saúde objetivando a aplicação de Inteligência Artificial em processos de classificação e diagnóstico, onde os métodos convencionais falham ou a precisão não alcança um valor de confiança suficiente. A proposta deste trabalho é utilizar as Redes Neurais como ferramenta no processo de classificação cefalométrica de um indivíduo. A Cefalometria utiliza métodos estatísticos convencionais para obtenção destes resultados, estudando um universo de indivíduos restritos a áreas geopoliticamente isoladas ou com pouco cruzamento racial. A aplicação de Redes Neurais como Método de Classificação Cefalométrica pode aproximar a precisão dos resultados a um valor de confiança suficiente comparada aos métodos atuais.

Artificial Intelligence has been one of the main matters in Computational Science area that tries to find solutions for difficult problems or those ones whereas is impossible to be solved. All the problems are difficult until their solution be known. (Fogel 1995). Approaching methods for difficult problems can get answers by paradigms like connexionistic models based on human brain neuronal structures. Neural Networks appeared intending to obtain satisfactory results compared to Specialist System that fails in unrestricted competence area. This characteristic is needful when we work out in problems pertaining to biological scopes causer we need to interact with the environment, recognizing patterns and adapting ourselves to establish inductive and deductive process. Computational Science has been providing knowledge evolution in Biological Science and Health area. Mentioning researches such as Genome Project we foresee Computational Science not only as an auxiliary factor but also a limitable one for these researches development. So this has been guiding a great number of works for thesis presentations involving Biological Science and Health areas aiming the use of Artificial Intelligence in diagnosis and classification processes whereas conventional methods or precision does not reach enough reliability. Cephalometry, an Biological Science area for studying human cranial measures, uses conventional statistical methods to obtain anthropomorphic characteristics studying an universe of individuals, restricted to an isolated geopolitical areas, or with few racial crossing. The proposal for using Neural Network as a Cephalometric classification method aims, in this work, to approach results in precision and accuracy an enough reliable value compared to the actual methods.