Diversas técnicas de Inteligência Artificial tem sido amplamente utilizadas na solução de diversos problemas na área de saúde. Neste trabalho foi realizado um estudo através da implementação e análise das redes neurais ELM (Extreme Learning Machine) e MLP (Multilayer Perceptron), comparando as acurácias resultantes de treinamentos com dados de adolescentes com ou sem o TEA (Transtorno do Especto Autista). A metodologia foi baseada em um banco de dados público de 99 amostras e na técnica de validação cruzada k-fold com e sem normalização zscore. Com relação aos resultados a rede MLP sem zscore obteve a melhor média atingindo 89,70% de acertos, contudo a rede ELM sem zscore teve a pior media de acertos com 86,52%.

A Inteligência Artificial (IA) tem ganhado destaque nas mais variadas áreas da ciência. Nessa perspectiva sabe-se que a COVID-19 é uma doença que pode causar desde resfriados comuns a doenças mais graves como a Sindrome Aguda Respiratória Severa (SARS). Este trabalho objetiva fazer uma análise de características baseada na rede neural MultiLayer Perceptron (MLP) utilizando técnicas de feature selection para o pré-diagnóstico da doença COVID-19. A metodologia foi baseada em técnicas de features selection e na utilização de uma base de dados pública. Os resultados foram expressivos tendo em vista que o feature selection escolheu atributos de acordo com a métrica da rede neural MLP, enfatizando os de maior relevância para a acurácia.

A lógica fuzzy é adequados para a manipulação de informações subjetivas como as da doença viral COVID-19, considerada uma das mais temidas pela população por seu alto índice de contaminação. Este trabalho apresenta um sistema baseado em regras fuzzy para um pré-diagnóstico, objetivando auxiliar profissionais da saúde. A metodologia baseou-se em pesquisas bibliográficas e em simulações com pacientes fictícios, tendo como medida de avaliação os sintomas característicos da doença abordada. Os resultados mostraram-se promissores na medida que foram bem próximos dos observados por profissionais da saúde. O estudo mostrou a importância da utilização da lógica fuzzy no pré-diagnóstico de doenças virais como a COVID-19.

Os sistemas fuzzy são apropriados para a manipulação de informações subjetivas, como no cenário desta pesquisa sobre a septoriose no tomateiro. Podendo ser utilizado por profissionais para detectar a doença antes que se manifeste em todo o plantio. Devido a grande diversidade de doenças no tomateiro, detectar qual delas afeta a planta se torna demasiadamente difícil, dessa forma o objetivo deste artigo é discutir o uso da lógica fuzzy para auxiliar na análise das plantas e assim poder detectar se a mesma é portador ou poderá desenvolver a septoriose. De acordo com os resultados apresentados o sistema fuzzy demonstrou-se bastante útil para o auxílio na detecção da doença ficando evidente sua importância como ferramenta para diagnóstico em plantas.

A utilização de técnicas de Inteligência Artificial tem-se destacado na resolução de diversos tipos de problemáticas. Com base nisso, foi realizado um estudo objetivando utilizar a rede neural Radial Basis Function (RBF) como ferramenta de apoio no pré-diagnóstico da doença murcha de fitóftora em uma horta de pimentões. A metodologia foi implementada utilizando-se de uma base de dados, com ênfase no treinamento e teste para classificação das amostras utilizadas. Foram feitos 10 treinamentos com os dados normalizados e balanceados, foi utilizada a validação cruzada (k-fold). Os resultados foram analisados estatisticamente obtendo-se uma taxa média de 93,3% de acertos.