Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte

Bibliographic Details
Main Author: Salle, Felipe de Oliveira
Publication Date: 2010
Other Authors: Fortes, Flávia Borges, Rocha, Silvio Luis da Silveira, Rocha, Ana Cristina Pinto da, Souza, Guilherme Fonseca de, Moraes, Hamilton Luiz de Souza, Moraes, Lucas Brunelli de, Salle, Carlos Tadeu Pippi
Format: Article
Language: por
Source: Repositório Institucional da UFRGS
Download full: http://hdl.handle.net/10183/29515
Summary: A Escherichia coli é comumente encontrada na avicultura e muitas vezes sua presença no organismo dos animais e/ou contaminando as camas de aviários não causa estranheza. Por outro lado, a utilização de inteligência artificial, especificamente redes neurais artificiais, está sendo crescentemente empregada como ferramenta para medir relações não lineares entre variáveis. Neste trabalho foram usados os dados disponíveis referentes a 261 amostras da bactéria oriundas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. O diagnóstico laboratorial envolveu o isolamento do agente, a caracterização dos genes associados à virulência, as lesões provocadas pela inoculação em pintos, o Índice de Patogenicidade das amostras e a resistência antimicrobiana a 14 antibióticos que foram as entradas das redes neurais e sete provas bioquímicas as saídas. A principal conclusão deste artigo foi de que as redes neurais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 87,80% a 98,37%. A sensibilidade e a especificidade das classificações obtidas variaram de 59,32% a 99,47% e de 80,00% a 98,54%, respectivamente.
id UFRGS-2_755f398dc6ad32657f905e440db15e98
oai_identifier_str oai:www.lume.ufrgs.br:10183/29515
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Salle, Felipe de OliveiraFortes, Flávia BorgesRocha, Silvio Luis da SilveiraRocha, Ana Cristina Pinto daSouza, Guilherme Fonseca deMoraes, Hamilton Luiz de SouzaMoraes, Lucas Brunelli deSalle, Carlos Tadeu Pippi2011-06-10T06:00:23Z20101678-0345http://hdl.handle.net/10183/29515000772822A Escherichia coli é comumente encontrada na avicultura e muitas vezes sua presença no organismo dos animais e/ou contaminando as camas de aviários não causa estranheza. Por outro lado, a utilização de inteligência artificial, especificamente redes neurais artificiais, está sendo crescentemente empregada como ferramenta para medir relações não lineares entre variáveis. Neste trabalho foram usados os dados disponíveis referentes a 261 amostras da bactéria oriundas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. O diagnóstico laboratorial envolveu o isolamento do agente, a caracterização dos genes associados à virulência, as lesões provocadas pela inoculação em pintos, o Índice de Patogenicidade das amostras e a resistência antimicrobiana a 14 antibióticos que foram as entradas das redes neurais e sete provas bioquímicas as saídas. A principal conclusão deste artigo foi de que as redes neurais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 87,80% a 98,37%. A sensibilidade e a especificidade das classificações obtidas variaram de 59,32% a 99,47% e de 80,00% a 98,54%, respectivamente.The Escherichia coli is often found in the poultry industry and, many times, its presence in the organism of the animals and/or contaminating the litter of poultry houses don’t cause surprise. On the other hand, the use of artificial intelligence, specifically, artificial neural network, is being increasingly used as tool to measure not linear relations between variables. In this work we used available data from 261 samples of the bacterium isolated of poultry litter, lesions of cellulitis and respiratory problems of broilers. The laboratory diagnosis involved the isolation of the agent, the characterization of the genes associates with the virulence, the lesions provoked by the inoculation in day-old-chicks, the Pathogenicity Index of the samples and the antimicrobial resistance against 14 antibiotics. Those variables were the inputs of the neural network and the outputs were seven biochemical tests. The main conclusion of this paper was that the neural network were capable to make correct classification of the biochemical reactions of all the samples with amplitude from 87.80% to 98.37%. The sensitivity and the specificity of the classifications varied from 59.32% to 99.47% and from 80.00% to 98.54%, respectively.application/pdfporActa scientiae veterinariae. Vol. 38, n. 1/2 (2010), p. 59-62BioquímicaEscherichia coliRedes neurais artificiaisEscherichia coliBiochemical reactionsArtificial neural networkUtilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corteThe use of artificial intelligence (artifical neural networks) to classify the biochemical reactions of Escherichia colli isolates from broilers info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT000772822.pdf.txt000772822.pdf.txtExtracted Texttext/plain13775http://www.lume.ufrgs.br/bitstream/10183/29515/2/000772822.pdf.txt501cd15d907fb9a43ab176f435c97d83MD52ORIGINAL000772822.pdf000772822.pdfTexto completoapplication/pdf121165http://www.lume.ufrgs.br/bitstream/10183/29515/1/000772822.pdfd7af7d4b49fa99dcc87399361cef4961MD51THUMBNAIL000772822.pdf.jpg000772822.pdf.jpgGenerated Thumbnailimage/jpeg1861http://www.lume.ufrgs.br/bitstream/10183/29515/3/000772822.pdf.jpg50dca8ed037d86ac836f65e383e47c74MD5310183/295152018-10-05 08:31:05.38oai:www.lume.ufrgs.br:10183/29515Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-05T11:31:05Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
dc.title.alternative.en.fl_str_mv The use of artificial intelligence (artifical neural networks) to classify the biochemical reactions of Escherichia colli isolates from broilers
title Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
spellingShingle Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
Salle, Felipe de Oliveira
Bioquímica
Escherichia coli
Redes neurais artificiais
Escherichia coli
Biochemical reactions
Artificial neural network
title_short Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
title_full Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
title_fullStr Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
title_full_unstemmed Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
title_sort Utilização de inteligência artificial (redes neurais artificiais) para a classificação do comportamento bioquímico de amostras de Escherichia coli isoladas de frangos de corte
author Salle, Felipe de Oliveira
author_facet Salle, Felipe de Oliveira
Fortes, Flávia Borges
Rocha, Silvio Luis da Silveira
Rocha, Ana Cristina Pinto da
Souza, Guilherme Fonseca de
Moraes, Hamilton Luiz de Souza
Moraes, Lucas Brunelli de
Salle, Carlos Tadeu Pippi
author_role author
author2 Fortes, Flávia Borges
Rocha, Silvio Luis da Silveira
Rocha, Ana Cristina Pinto da
Souza, Guilherme Fonseca de
Moraes, Hamilton Luiz de Souza
Moraes, Lucas Brunelli de
Salle, Carlos Tadeu Pippi
author2_role author
author
author
author
author
author
author
dc.contributor.author.fl_str_mv Salle, Felipe de Oliveira
Fortes, Flávia Borges
Rocha, Silvio Luis da Silveira
Rocha, Ana Cristina Pinto da
Souza, Guilherme Fonseca de
Moraes, Hamilton Luiz de Souza
Moraes, Lucas Brunelli de
Salle, Carlos Tadeu Pippi
dc.subject.por.fl_str_mv Bioquímica
Escherichia coli
Redes neurais artificiais
topic Bioquímica
Escherichia coli
Redes neurais artificiais
Escherichia coli
Biochemical reactions
Artificial neural network
dc.subject.eng.fl_str_mv Escherichia coli
Biochemical reactions
Artificial neural network
description A Escherichia coli é comumente encontrada na avicultura e muitas vezes sua presença no organismo dos animais e/ou contaminando as camas de aviários não causa estranheza. Por outro lado, a utilização de inteligência artificial, especificamente redes neurais artificiais, está sendo crescentemente empregada como ferramenta para medir relações não lineares entre variáveis. Neste trabalho foram usados os dados disponíveis referentes a 261 amostras da bactéria oriundas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. O diagnóstico laboratorial envolveu o isolamento do agente, a caracterização dos genes associados à virulência, as lesões provocadas pela inoculação em pintos, o Índice de Patogenicidade das amostras e a resistência antimicrobiana a 14 antibióticos que foram as entradas das redes neurais e sete provas bioquímicas as saídas. A principal conclusão deste artigo foi de que as redes neurais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 87,80% a 98,37%. A sensibilidade e a especificidade das classificações obtidas variaram de 59,32% a 99,47% e de 80,00% a 98,54%, respectivamente.
publishDate 2010
dc.date.issued.fl_str_mv 2010
dc.date.accessioned.fl_str_mv 2011-06-10T06:00:23Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/other
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/29515
dc.identifier.issn.pt_BR.fl_str_mv 1678-0345
dc.identifier.nrb.pt_BR.fl_str_mv 000772822
identifier_str_mv 1678-0345
000772822
url http://hdl.handle.net/10183/29515
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartof.pt_BR.fl_str_mv Acta scientiae veterinariae. Vol. 38, n. 1/2 (2010), p. 59-62
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/29515/2/000772822.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/29515/1/000772822.pdf
http://www.lume.ufrgs.br/bitstream/10183/29515/3/000772822.pdf.jpg
bitstream.checksum.fl_str_mv 501cd15d907fb9a43ab176f435c97d83
d7af7d4b49fa99dcc87399361cef4961
50dca8ed037d86ac836f65e383e47c74
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1798487109795840000