Análise Comportamental por Meio de Características com os Classificadores SVM e MLP Para Detecção de Traços Autísticos em Adultos

  • Roney Nogueira de Sousa IFCE
  • Rhyan Ximenes de Brito IFCE
  • Janaide Nogueira de Sousa Ximenes FIED

Resumo


O transtorno do especto autista (TEA) intriga pesquisadores no mundo inteiro. Nesse sentido esse trabalho aborda um estudo sobre o uso da Inteligência Artificial (IA) como ferramenta auxiliar para rastreio do TEA em adultos. Este trabalho teve como objetivo desenvolver um sistema auxiliar com base nos classificadores SVM e MLP como ferramenta de detecção de traços autísticos em adultos. A metodologia foi implementada com base em 610 amostras de indivíduos com/sem o TEA de um banco de dados público, através do software WEKA utilizando o SVM e a MLP, validação cruzada k-fold, z-score e a técnica SMOTE. Os resultados mostraram para a acurácia do SVM uma taxa média de 99,48% enquanto que para a MLP foi de 95,42%.

Referências

Alves, A. L. C. et al. (2019). Funcionalidade em adultos com transtorno do espectro autista: relações entre traços autísticos, variáveis psicossociais e funcionamento cognitivo.

Alves, R. H. F., de Deus Júnior, G. A., Vieira, F. H. T., de Castro, M. S., de Araújo, S. G., and Lemos, R. P. (2016). Detecção de anomalias em painéis fotovoltaicos utilizando redes abnet, psom e mlp.

Araujo, M. D. A., Moreira, L. Y. M. R., and de Brito, R. X. (2019). Modelo computacional com fuzzy como recurso auxiliador na predição da esquizofrenia em adultos. In Anais da VII Escola Regional de Computação Aplicada à Saúde, pages 199–204. SBC.

Bentes, C. C. A., Barbosa, D. C., Fonseca, J. R. M., and Bezerra, L. C. (2016). A família no processo de inclusão social da criança e adolescente com autismo: Desafios na sociedade contemporânea. Intertem@ s Social ISSN 1983-4470, 11(11).

Borges, M. and Shinohara, H. (2007). Síndrome de asperger em paciente adulto: Um estudo de caso. Revista Brasileira de Terapias Cognitivas, 3(1):41–48.

Caminha, V. L., Huguenin, J. Y., Assis, L. M. d., and Alves, P. P. (2016). Autismo: vivências e caminhos. São Paulo: Blucher, 11.

Carvalho, S. P., Lima, A. M., Brentani, H. P., Brunoni, D., Fock, R. A., and Nunes, F. L. S. (2016). Uma contribuição ao auxílio do diagnóstico do autismo a partir do processamento de imagens para extração de medidas antropométricas. Revista de Informática Teórica e Aplicada, 23(2):100–123.

da Silva Talarico, M. V. T., dos Santos Pereira, A. C., and de Noronha Goyos, A. C. (2019). A inclusão no mercado de trabalho de adultos com transtorno do espectro do autismo: uma revisão bibliográfica. Revista Educação Especial, 32:119–1.

de Brito, R. X., Fernandes, C. A. R., and Amora, M. A. B. (2019). Análise de desempenho com redes neurais artificiais, arquiteturas mlp e rbf para um problema iSys-Revista Brasileira de Sistemas de de classificação de crianças com autismo. Informação, 13(1):60–76.

Freire Monteiro, A., de Almeida Pimenta, R., Pereira, S. M., and Roesler, H. (2018). Considerações sobre critérios diagnósticos de transtorno do espectro autista, e suas implicações no campo científico. DO CORPO: ciências e artes, 7(1).

Haykin, S. S. et al. (2009). Neural networks and learning machines/simon haykin.

Lorena, A. C. and de Carvalho, A. C. (2007). Uma introdução às support vector machines. Revista de Informática Teórica e Aplicada, 14(2):43–67.

Martins, C. M. L. (2017). Musicoterapia e as competências sociais do adulto com deficiência. Master’s thesis.

Onzi, F. Z. and de Figueiredo Gomes, R. (2015). Transtorno do espectro autista: a importância do diagnóstico e reabilitação. Revista Caderno Pedagógico, 12(3).

Pinheiro, T. D. (2018). Classificação de imagens faciais para o auxílio ao diagnóstico do transtorno do espectro autista. PhD thesis, Universidade de São Paulo.

Santos, E. J. R. d. (2019). Previsão de precipitação usando máquinas de vetores de suporte visando sua implementação em sistemas embarcados.

Santos, E. M. d. et al. (2002). Teoria e aplicação de support vector machines à aprendizagem e reconhecimento de objetos baseado na aparência.

Semolini, R. et al. (2002). Support vector machines, inferência transdutiva e o problema de classificação.

Souza, B., Teixeira, A., and Silva, d. A. (2009). Classificação de bioma caatinga usando support vector machines (svm). Anais XIV Simpósio Brasileiro de Sensoriamento Remoto, pages 7917–7924.

Souza, L. L. d. (2016). Análise da pressão plantar da marcha de autistas por dinâmica simbólica otimizada por algoritmo genético.

Zavaleta, J., Costa, M., Cruz, S., Manhaes, L., Carvalho, L., and Mousinho, R. (2012). Dysdtool: Uma ferramenta inteligente para a avaliação e intervenção no apoio ao diagnóstico da dislexia. In CSBC-XII Workshop de Informática Médica.

Zilbovicius, M., Meresse, I., and Boddaert, N. (2006). Autismo: neuroimagem. Brazilian Journal of Psychiatry, 28:s21–s28.
Publicado
14/09/2021
SOUSA, Roney Nogueira de; BRITO, Rhyan Ximenes de; XIMENES, Janaide Nogueira de Sousa. Análise Comportamental por Meio de Características com os Classificadores SVM e MLP Para Detecção de Traços Autísticos em Adultos. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 9. , 2021, Quixadá/CE. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 9-16. DOI: https://doi.org/10.5753/ercemapi.2021.17902.