Sistema de apoio ao diagnóstico de arritmias cardíacas
| Ano de defesa: | 2018 |
|---|---|
| Autor(a) principal: |
Cardozo, Regis Augusto
 |
| Orientador(a): |
Okida, Sergio
|
| Banca de defesa: | , , , |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Tecnológica Federal do Paraná
Ponta Grossa |
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Elétrica
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | http://repositorio.utfpr.edu.br/jspui/handle/1/3297 |
Resumo: | Em 2013, 4,2% da população brasileira com idade acima de 18 anos tiveram algum diagnóstico de doenças cardíacas; 13,5% destas apresentaram limitações nas suas atividades habituais devido à doença. Desta forma, o uso de sistemas de auxílio médico que produzam um bom desempenho é algo desejável, pois, além de auxiliarem médicos especialistas no diagnóstico de doenças de um modo geral, sistemas com este propósito podem ser utilizados em momentos em que a presença destes especialistas para a análise dos resultados nem sempre é possível. Sistemas assim são, também, úteis na monitorização de pacientes com equipamentos do tipo mHealth. Deste modo, este trabalho propõe e avalia um sistema de auxílio a diagnóstico de arritmias cardíacas, para a classificação de 11 tipos de batimentos cardíacos que foram agrupados em 5 supertipos, utilizando-se de sinais eletrocardiográficos. Avaliando-se a influência de uma técnica de filtragem adaptativa com o uso de Filtro Morfológico e de uma técnica mais clássica, baseada em filtros de resposta ao impulso finito, a Transformada Wavelet Discreta. As características extraídas do sinal de eletrocardiograma foram obtidas com a análise de componentes principais (PCA), variando a quantidade de componentes entre 10, 12 e 14. Assim como, foram avaliados alguns classificadores baseados em redes neurais artificiais (RNAs). Duas RNAs de função de base radial (RBF) híbridas com a RNA máquina de aprendizado extremo (ELM), uma com uma camada oculta e outra com duas; e duas RNAs com apenas a ELM, porém com duas funções de ativação diferentes (Função Logística e Função Gaussiana). Outro ponto avaliado foi a influência da presença ou não do coeficiente de regularização no algoritmo ELM. Os resultados foram obtidos através do método de validação cruzada por k partições, com 5 partições sendo combinadas 2 a 2, de modo a se realizar 10 treinamentos e testes, utilizando-se 2 partições para treinamento e as outras 3 para o teste. Os resultados alcançados demonstram que as função de ativação testadas não afetam de forma significativa os resultados nas RNAs ELM. Foi observado, igualmente, que o coeficiente de regularização apenas influencia os resultados quando há mais de 1000 neurônios na camada escondida, com a apresentação de resultados melhores. Concluiu-se, também, que apesar de na maioria dos casos o resultado não ser afetado pela técnica de filtragem, o Filtro Morfológico apresentou resultados levemente melhores onde há resultados significativamente diferentes. Por fim, tem-se que o melhor resultado obtido foi de 96,61±0,51% com Filtro Morfológico com a RNA ELM, com 12 componentes principais e 1500 neurônios na camada escondida. |