Detalhes bibliográficos
Ano de defesa: |
2018 |
Autor(a) principal: |
Moreira, Diego Alysson Braga |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Estadual do Ceará
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=82794
|
Resumo: |
O potencial promissor das tecnologias emergentes de Internet das Coisas (IoT) para dispositivos e sensores médicos interconectados tem desempenhado um papel importante na indústria de cuidados de saúde da próxima geração para a qualidade do atendimento ao paciente. Devido ao número crescente de idosos e portadores de deficiência, existe a necessidade urgente de uma infraestrutura de monitorização da saúde para análise dos dados destes pacientes, com intuito de evitar mortes. Healthcare IoT tem um potencial significativo pelo constante monitoramento por meio de sensores, capazes de recolher e enviar dados em tempo real. Apesar dos grandes avanços em Healthcare, uma pessoa é capaz de gerar 1 TB de informações em um dia, milhões de dados potencialmente utilizáveis em aplicações, como marketing, redes sociais e e-Health. A quantidade de dados gerados torna obrigatório o uso de técnicas que sejam capazes de analisar e gerar resultados em tempo hábil. Para diagnosticar possíveis arritmias cardíacas em pacientes pela análise do ECG (Eletrocardiograma), propõe-se um sistema de suporte à decisão, capaz de gerir os dados dos pacientes, analisando e retornando possíveis complicações cardíacas. Em uma primeira fase, para extração dos pontos de interesse da onda ECG utilizaram-se técnicas para tratamento da onda. Como uma segunda fase, técnicas como médias móveis foram utilizadas para extração das informações desejadas que serão então analisadas e classificadas por algoritmos de aprendizagem de máquina em uma terceira fase. Este sistema é capaz de classificar com alta acurácia as anomalias de um ECG humano em um curto período de tempo. <div>Palavras-chave: Internet das Coisas. e-Health. Arritmias Cardíacas. ECG. Aprendizagem de Máquina.</div> |