MODELO DE CLASSIFICAÇÃO AUTOMÁTICA PARA O ÍNDICE DE CONICIDADE VIA REDES NEURAIS ARTIFICIAIS (RNAS)

Abstract

A concentração de gordura na região abdominal está intimamente ligada a risco de doenças cardiovasculares e metabólicas. Para isso o índice de conicidade (IC) representa um indicador de obesidade abdominal, sendo considerado um bom indicador para avaliar os fatores de risco cardiovasculares. Diante disso algumas ferramentas computacionais como as redes neurais artificiais (RNAs) vem sendo utilizada com a finalidade de analisar dados de modo inovador. O objetivo deste estudo foi obter o (IC) por meio das (RNAs) utilizando como variáveis de entrada peso, altura e circunferência da cintura e como variável de saída, partes das amostras do (IC). A metodologia constou em uma coleta de dados para obtenção das variáveis, sendo que a rede utilizada para este trabalho foi a Multilayer Perceptron com algoritmo backpropagation para fase de treinamento da rede. A rede teve um bom desempenho com erro de 6.69x10-3 para o treinamento e 7.10x10-3 para o diagnóstico.