Application of artificial neural networks for detection of abnormal fetal heart rate pattern: a comparison with conventional algorithms

Abstract

Cardiotocography signals were sampled during labour in 53 patients. A recurrent artificial neural network with hidden layer feedback was trained and performance was compared with that of several conventional systems. Correct and false positive rates of all systems tested were calculated. To ensure that the performance of neural networks was not just caused by using different cut-off levels, the threshold used for conventional methods were also adapted and optimised. The correct positives rate of neural networks was between 0.72 and 0.9, and the false positive rate between 0.2 and 0.4. Before optimising, conventional algorithms produced a very low correct positive (0.02-0.5) and a low false positive rate (0.0-0.08). After adjusting the parameters, the tested neural networks still performed better than optimised conventional systems.

Zootecnia de precisão: princípios básicos e atualidades na suinocultura

“…Nesse contexto, os modelos de redes neurais artificiais (RNA), também apresentam grande potencial de aplicação na produção animal, em que se faz necessário uma imensa gama de dados, e possibilita a compreensão das relações entre o ambiente e a exploração agropecuária. Apesar de desenvolver um programa de instruções sequenciais, os modelos de RNA exploram muitas hipóteses, simultaneamente, por meio de redes paralelas compostas de muitos elementos conectados por ligações de variáveis pesos (LEE et al, 1999). As RNA são especificadas pela topologia de rede, nós característicos e regras de treinamento ou aprendizado.…”

Automated evaluation of fetal cardiotocograms using neural network

“…Preliminary results using a single layer perceptron with fifty neurons in the hidden layer based off of structures found in similar literature evaluating urinary and cardiac problems [21,23] were poor with the an optimal accuracy of 74%.…”

Comportamento bioclimático de matrizes suínas em gestação e o uso de sistemas inteligentes na caracterização do ambiente produtivo: suinocultura de precisão

“…Os "neurônios" da rede podem receber entradas excitatórias ou inibitórias de outros neurônios (Forsström & Dalton, 1995) e produzem uma saída, que geralmente é uma função não linear da entrada da rede (Astion & Wilding, 1992). Em contraste com muitos sistemas especialistas, as redes neurais artificiais não dependem de algoritmos pré-definidos (Lee et al, 1999). (Kovács, 1996).…”