Avaliação do ritmo cardíaco em eletrocardiogramas de curta duração utilizando análise dos intervalos RR e aprendizado supervisionado

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Limeira, Gabriel de Azevedo
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 Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Biomédica
UFRJ
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: http://hdl.handle.net/11422/13234
Resumo: Atrial fibrillation is a condition that often does not show itself through symptoms and is strongly related to infarction and sudden cardiac death. This work aims at developing an algorithm that differentiates atrial fibrillation rhythm from noise, normal and other rhythms in single short ECG leads collected by a mobile device. A total of 36 features were collected mostly from the sequence of beat-to-beat intervals. Neighborhood component analysis (NCA) feature selection technique was applied, and several supervised learning algorithms were compared and optimized using cross validation approach. Performances were compared with an index F1 that considers both sensitivity and specificity. NCA allowed selecting 11 features. The classifier based on support vector machines gave the best overall result (F1 = 72,9%), were the best performance occurred for the atrial fibrillation class (F1 = 82,5)