Identificação de padrões geométricos e numéricos anómalos em eletrocardiogramas

• Main Author: Godinho, Beatriz de Brito
• Publication Date: 2023
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.21/17750
• topic: Cardiologia; Arritmia; Aprendizagem profunda; Onduleta discreta; Cardiology; Arrhythmia; Deep learning; Discrete wavelet

As arritmias cardíacas são uma condição referente à atividade elétrica anormal no coração e, consoante o nível patológico, poderá ter implicações graves para o indivíduo podendo, em última instância, constituir uma ameaça. A aprendizagem profunda tem sido uma técnica importante no auxílio à classificação de eletrocardiogramas, permitindo que a deteção e o diagnóstico sejam alcançados com uma maior precisão, mesmo para as diferentes anomalias elétricas do coração. Utilizando a onduleta discreta é possível extrair as características pretendidas do sinal de eletrocardiograma para, em seguida, treinar um método de aprendizagem profunda. A onduleta discreta ´e uma técnica capaz de decompor o sinal em diferentes frequências, detetando informação relativa ao tempo e à frequência do sinal. Com a combinação destas duas técnicas, é possível extrair características importantes do sinal de eletrocardiograma, em diferentes escalas, que permitem a identificação precisa de doenças cardiovasculares, mais concretamente de diferentes arritmias. A combinação da aprendizagem profunda e da onduleta discreta tem um grande potencial para expandir e avançar o campo de análise de eletrocardiogramas e permitir um diagnóstico mais eficiente e preciso de doenças cardiovasculares. Este trabalho apresenta uma visão geral dos métodos de classificação de sinais de eletrocardiogramas utilizando um método de aprendizagem profunda com a contribuição da onduleta discreta.