Inferência da Temperatura Interna em uma Incubadora Neonatal Utilizando Redes Neurais Artificiais
Resumo
A incubadora neonatal consiste em um equipamento hospitalar que proporciona condições de temperatura adequadas aos recém-nascidos. Este trabalho propõe um sistema de inferência neural, obtido a partir de redes neurais artificiais (RNA) do tipo MultiLayer Perceptron (MLP), que será utilizado como sensor virtual. Esse sistema substitui a instalação de sensores físicos durante a certificação ou manutenção da incubadora e tornará possível a realização do monitoramento on-line da temperatura. Os resultados demonstraram que o sistema pode ser utilizado satisfatoriamente como sensor virtual. Foram obtidos erros médios quadráticos de validação entre 1.6x10-3 e 1.9x10-3 e variância entre 2.533x10-7 e 8.098x10-7.
Referências
Agostini, N. et al. (2003). Sistema computadorizado para verificação da funcionalidade em incubadoras neonatais.
Araújo Júnior, J. M. d. (2007). Técnicas de inteligência artificial para a geração dinâmica de set points para uma coluna de destilação. Master’s thesis, Universidade Federal do Rio Grande do Norte.
Associação Brasileira de Normas Técnicas (2014). ABNT NBR IEC 60601-2-19:2014 Equipamento eletromédico Parte 2-19: Requisitos particulares para segurança básica e desempenho essencial das incubadoras para recém-nascidos. Vers˜ão corrigida da ABNT NBR IEC 60601-2-19:2014 incorpora a Errata 2, de 05.05.2017. Esta Norma foi confirmada em virtude da publicação da Emenda 1 de 10.07.2019.
de Araújo, J. M., De Menezes, J. M. P., Moura de Albuquerque, A. A., Da Mota Almeida, O., and Ugulino de Araújo, F. M. (2013). Assessment and certification of neonatal incubator sensors through an inferential neural network. Sensors, 13(11):15613–15632.
de Assis, A. J. and Maciel Filho, R. (2000). Soft sensors development for on-line bioreactor state estimation. Computers & Chemical Engineering, 24(2-7):1099–1103.
de Oliveira Filho, J. I., da Mota Almeida, O., and de Araújo, J. M. (2018). Desenvolvimento de hardware para a medição de parâmetros de temperatura e umidade em uma incubadora neonatal. Revista Principia - Divulgação Científica e Tecnológica do IFPB, 1:121.
Haykin, S. (2007). Redes neurais: princípios e prática. Bookman Editora.
Haykin, S. S. et al. (2009). Neural networks and learning machines/simon haykin. IBGE (2019). Síntese de Indicadores Sociais - SIS.
Ito, E. H. (2014). Desenvolvimento de um sensor virtual de composição em coluna de destilação para aplicação em tempo real.
Lotufo, F. A. and Garcia, C. (2008). Sensores virtuais ou soft sensors: Uma introdução. Brazilian Conference on Dynamics, Control and Applications.
Nied, A. (2007). Treinamento de redes neurais artificiais baseado em sistemas de estrutura variável com taxa de aprendizado adaptativa.
Nørg°ard, P. M., Ravn, O., Poulsen, N. K., and Hansen, L. K. (2000). Neural networks for modelling and control of dynamic systems-a practitioner’s handbook.
Santos, N. and Braga, A. (2016). Técnicas adaptativas, armax, rna e armax-rna, na identificação de sistemas de uma incubadora neonatal. pages 1–8.
Souza, F. R. d. L. (2018). Identificação e controle de sistemas dinâmicos utilizando uma fuzzy wavelet neural network. Master’s thesis, Brasil.
Tulleken, H. J. (1990). Generalized binary noise test-signal concept for improved identification-experiment design. Automatica, 26(1):37–49.
Vellasco, M. (2017). Redes neurais artificiais. 2007. Laboratório Computacional
Aplicada–PUC/RJ. Apostila. PDF. Disponível em: http://www2.ica.ele.pucrio.br/Downloads% 5C33/ICA-introdu%C3%A7%C3%A3o%20RNs.pdf, 9(05).
Araújo Júnior, J. M. d. (2007). Técnicas de inteligência artificial para a geração dinâmica de set points para uma coluna de destilação. Master’s thesis, Universidade Federal do Rio Grande do Norte.
Associação Brasileira de Normas Técnicas (2014). ABNT NBR IEC 60601-2-19:2014 Equipamento eletromédico Parte 2-19: Requisitos particulares para segurança básica e desempenho essencial das incubadoras para recém-nascidos. Vers˜ão corrigida da ABNT NBR IEC 60601-2-19:2014 incorpora a Errata 2, de 05.05.2017. Esta Norma foi confirmada em virtude da publicação da Emenda 1 de 10.07.2019.
de Araújo, J. M., De Menezes, J. M. P., Moura de Albuquerque, A. A., Da Mota Almeida, O., and Ugulino de Araújo, F. M. (2013). Assessment and certification of neonatal incubator sensors through an inferential neural network. Sensors, 13(11):15613–15632.
de Assis, A. J. and Maciel Filho, R. (2000). Soft sensors development for on-line bioreactor state estimation. Computers & Chemical Engineering, 24(2-7):1099–1103.
de Oliveira Filho, J. I., da Mota Almeida, O., and de Araújo, J. M. (2018). Desenvolvimento de hardware para a medição de parâmetros de temperatura e umidade em uma incubadora neonatal. Revista Principia - Divulgação Científica e Tecnológica do IFPB, 1:121.
Haykin, S. (2007). Redes neurais: princípios e prática. Bookman Editora.
Haykin, S. S. et al. (2009). Neural networks and learning machines/simon haykin. IBGE (2019). Síntese de Indicadores Sociais - SIS.
Ito, E. H. (2014). Desenvolvimento de um sensor virtual de composição em coluna de destilação para aplicação em tempo real.
Lotufo, F. A. and Garcia, C. (2008). Sensores virtuais ou soft sensors: Uma introdução. Brazilian Conference on Dynamics, Control and Applications.
Nied, A. (2007). Treinamento de redes neurais artificiais baseado em sistemas de estrutura variável com taxa de aprendizado adaptativa.
Nørg°ard, P. M., Ravn, O., Poulsen, N. K., and Hansen, L. K. (2000). Neural networks for modelling and control of dynamic systems-a practitioner’s handbook.
Santos, N. and Braga, A. (2016). Técnicas adaptativas, armax, rna e armax-rna, na identificação de sistemas de uma incubadora neonatal. pages 1–8.
Souza, F. R. d. L. (2018). Identificação e controle de sistemas dinâmicos utilizando uma fuzzy wavelet neural network. Master’s thesis, Brasil.
Tulleken, H. J. (1990). Generalized binary noise test-signal concept for improved identification-experiment design. Automatica, 26(1):37–49.
Vellasco, M. (2017). Redes neurais artificiais. 2007. Laboratório Computacional
Aplicada–PUC/RJ. Apostila. PDF. Disponível em: http://www2.ica.ele.pucrio.br/Downloads% 5C33/ICA-introdu%C3%A7%C3%A3o%20RNs.pdf, 9(05).
Publicado
10/09/2020
Como Citar
ROCHA, Joilane; PERCI, Yasmin; SOARES, Gabryel; A. JÚNIOR, José.
Inferência da Temperatura Interna em uma Incubadora Neonatal Utilizando Redes Neurais Artificiais. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 8. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 204-211.
DOI: https://doi.org/10.5753/ercemapi.2020.11486.
