DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert

Detalhes bibliográficos
Autor(a) principal: JoÃo Paulo do Vale Madeiro
Data de Publicação: 2013
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=10281
Resumo: nÃo hÃ
id UFC_ab1e69cc55b1b4d6c5a173239c0b8ba4
oai_identifier_str oai:www.teses.ufc.br:7047
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisDetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de HilbertAutomatic Detection and Segmentation of Heartbeats in ECG Signals based on a Mathematical Model and the Combination of Wavelet and Hilbert Transforms2013-05-17Paulo CÃsar Cortez11250534372http://lattes.cnpq.br/502460215230406464448622304http://lattes.cnpq.br/4328159466506074JoÃo Paulo do Vale MadeiroUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia de TeleinformÃticaUFCBREletrocardiogramaTeleinformÃtica Transformada WaveletTransformada de HilbertElectrocardiogram (ECG) QRS complex T-wave Wavelet transform Hilbert transform mathematical modelENGENHARIA BIOMEDICAnÃo hÃSistemas automÃticos de auxÃlio ao diagnÃstico visam à extraÃÃo de mÃtricas especÃficas, podendo ser por algoritmos computacionais, de forma a subsidiar a anÃlise por parte do especialista de condiÃÃes orgÃnicas e fisiolÃgicas do paciente. No contexto da cardiologia, referidos sistemas sÃo particularmente importantes quando aplicados no processamento de sinais de longa duraÃÃo, como o eletrocardiograma (ECG) de 24 horas. As tÃcnicas para segmentaÃÃo e extraÃÃo automÃtica de parÃmetros do sinal ECG propostas nesta tese abrangem diversos campos de pesquisa. Inicialmente, o sistema realiza a detecÃÃo e a segmentaÃÃo do complexo QRS, relacionado à despolarizaÃÃo ventricular. Como metodologia, utiliza-se a combinaÃÃo das tÃcnicas do limiar adaptativo, das transformadas de Hilbert e Wavelet e do filtro derivativo com uma nova abordagem de reduÃÃo de prÃ-processamento e de seleÃÃo do fator de escala da Wavelet. Ao final desta etapa, obtÃm-se a sÃrie de intervalos RR, a sÃrie de duraÃÃes de cada complexo QRS e de suas amplitudes. No segundo momento, tem-se a detecÃÃo e a segmentaÃÃo da onda T, relacionada à repolarizaÃÃo ventricular. PropÃe-se um novo modelo matemÃtico do comportamento morfolÃgico da onda T baseado na funÃÃo Gaussiana, modificada por um procedimento matemÃtico de inserÃÃo de assimetria. Uma vez obtidos os parÃmetros de modelagem para uma dada morfologia predominante de onda T, a funÃÃo de correlaÃÃo cruzada à utilizada para a detecÃÃo do pico e uma tÃcnica baseada no cÃlculo da Ãrea de trapÃzios à utilizada para a localizaÃÃo do final da forma de onda. Dentre as mÃtricas derivadas das informaÃÃes extraÃdas, destaca-se a sÃrie de intervalos QT, segmento que vai do inÃcio de cada complexo QRS ao final de cada onda T. Finalizado o processo de segmentaÃÃo, dois estudos de caso sÃo realizados: subtraÃÃo da atividade ventricular em sinais eletrogramas atriais de pacientes com fibrilaÃÃo atrial (FA) e anÃlise de sÃries de variabilidade da frequÃncia cardÃaca (VFC) de um conjunto de pacientes idosos selecionados pelo AmbulatÃrio de Geriatria do Hospital UniversitÃrio WÃlter CantÃdio. A partir de experimentos de validaÃÃo em bases de dados diversas com anotaÃÃes manuais dos batimentos, obtÃm-se as seguintes taxas de detecÃÃo e erros de delineamento para o complexo QRS: sensibilidade de 99,51%, preditividade positiva de 99,44%, erro mÃdio de inÃcio (QRS onset) de 2,85  9,90 ms e erro mÃdio de final (QRS offset) de 2,83  12,26 ms. Com relaÃÃo à detecÃÃo e segmentaÃÃo da onda T, obtÃm-se os seguintes resultados: sensibilidade de 99,48%, preditividade positiva de 99,53%, erro mÃdio de localizaÃÃo de pico de 0,51  8,06 ms e erro mÃdio de localizaÃÃo de final da forma de onda de 0,11  11,73 ms. Quanto ao primeiro estudo de caso de uso dos pontos fiduciais detectados, a potÃncia mÃdia dos sinais eletrogramas atriais, apÃs a subtraÃÃo da atividade ventricular, à significativamente reduzida para frequÃncias acima de 10 Hz, predominantemente associadas ao complexo QRS, bem como para frequÃncias na faixa de 3 a 5 Hz, relacionadas à atividade elÃtrica de repolarizaÃÃo ventricular. Para o segundo estudo, a anÃlise do comportamento de mÃtricas no domÃnio da frequÃncia associadas à atividade do sistema nervoso simpÃtico permite o reconhecimento de tendÃncias prÃprias e caracterÃsticas, no que tange a aspectos de funcionamento/disautonomia do sistema nervoso autonÃmico, de cada classe prÃ-determinada de idosos segundo os conceitos de fenÃtipo de fragilidade: idosos frÃgeis, prÃ-frÃgeis e robustos. Os resultados obtidos sugerem que o conjunto de metodologias desenvolvidas para a segmentaÃÃo do sinal ECG apresenta altas taxas de precisÃo, repetibilidade e robustez a uma ampla gama de morfologias, podendo ser aplicado em diversos contextos de auxÃlio ao diagnÃstico. Dadas as mÃtricas e sÃries temporais que podem ser extraÃdas, os referidos mÃtodos tambÃm podem dar suporte a processos de investigaÃÃo clÃnica e desenvolvimento de marcadores/indicadores de eventos cardiovasculares adversos.http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=10281application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:23:22Zmail@mail.com -
dc.title.pt.fl_str_mv DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
dc.title.alternative.en.fl_str_mv Automatic Detection and Segmentation of Heartbeats in ECG Signals based on a Mathematical Model and the Combination of Wavelet and Hilbert Transforms
title DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
spellingShingle DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
JoÃo Paulo do Vale Madeiro
Eletrocardiograma
TeleinformÃtica
Transformada Wavelet
Transformada de Hilbert
Electrocardiogram (ECG)
QRS complex
T-wave
Wavelet transform
Hilbert transform
mathematical model
ENGENHARIA BIOMEDICA
title_short DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
title_full DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
title_fullStr DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
title_full_unstemmed DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
title_sort DetecÃÃo e segmentaÃÃo automÃtica de batimentos cardÃacos do eletrocardiograma por modelagem matemÃtica e combinaÃÃo das transformadas Wavelet e de Hilbert
author JoÃo Paulo do Vale Madeiro
author_facet JoÃo Paulo do Vale Madeiro
author_role author
dc.contributor.advisor1.fl_str_mv Paulo CÃsar Cortez
dc.contributor.advisor1ID.fl_str_mv 11250534372
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5024602152304064
dc.contributor.authorID.fl_str_mv 64448622304
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/4328159466506074
dc.contributor.author.fl_str_mv JoÃo Paulo do Vale Madeiro
contributor_str_mv Paulo CÃsar Cortez
dc.subject.por.fl_str_mv Eletrocardiograma
TeleinformÃtica
Transformada Wavelet
Transformada de Hilbert
topic Eletrocardiograma
TeleinformÃtica
Transformada Wavelet
Transformada de Hilbert
Electrocardiogram (ECG)
QRS complex
T-wave
Wavelet transform
Hilbert transform
mathematical model
ENGENHARIA BIOMEDICA
dc.subject.eng.fl_str_mv Electrocardiogram (ECG)
QRS complex
T-wave
Wavelet transform
Hilbert transform
mathematical model
dc.subject.cnpq.fl_str_mv ENGENHARIA BIOMEDICA
dc.description.sponsorship.fl_txt_mv nÃo hÃ
dc.description.abstract.por.fl_txt_mv Sistemas automÃticos de auxÃlio ao diagnÃstico visam à extraÃÃo de mÃtricas especÃficas, podendo ser por algoritmos computacionais, de forma a subsidiar a anÃlise por parte do especialista de condiÃÃes orgÃnicas e fisiolÃgicas do paciente. No contexto da cardiologia, referidos sistemas sÃo particularmente importantes quando aplicados no processamento de sinais de longa duraÃÃo, como o eletrocardiograma (ECG) de 24 horas. As tÃcnicas para segmentaÃÃo e extraÃÃo automÃtica de parÃmetros do sinal ECG propostas nesta tese abrangem diversos campos de pesquisa. Inicialmente, o sistema realiza a detecÃÃo e a segmentaÃÃo do complexo QRS, relacionado à despolarizaÃÃo ventricular. Como metodologia, utiliza-se a combinaÃÃo das tÃcnicas do limiar adaptativo, das transformadas de Hilbert e Wavelet e do filtro derivativo com uma nova abordagem de reduÃÃo de prÃ-processamento e de seleÃÃo do fator de escala da Wavelet. Ao final desta etapa, obtÃm-se a sÃrie de intervalos RR, a sÃrie de duraÃÃes de cada complexo QRS e de suas amplitudes. No segundo momento, tem-se a detecÃÃo e a segmentaÃÃo da onda T, relacionada à repolarizaÃÃo ventricular. PropÃe-se um novo modelo matemÃtico do comportamento morfolÃgico da onda T baseado na funÃÃo Gaussiana, modificada por um procedimento matemÃtico de inserÃÃo de assimetria. Uma vez obtidos os parÃmetros de modelagem para uma dada morfologia predominante de onda T, a funÃÃo de correlaÃÃo cruzada à utilizada para a detecÃÃo do pico e uma tÃcnica baseada no cÃlculo da Ãrea de trapÃzios à utilizada para a localizaÃÃo do final da forma de onda. Dentre as mÃtricas derivadas das informaÃÃes extraÃdas, destaca-se a sÃrie de intervalos QT, segmento que vai do inÃcio de cada complexo QRS ao final de cada onda T. Finalizado o processo de segmentaÃÃo, dois estudos de caso sÃo realizados: subtraÃÃo da atividade ventricular em sinais eletrogramas atriais de pacientes com fibrilaÃÃo atrial (FA) e anÃlise de sÃries de variabilidade da frequÃncia cardÃaca (VFC) de um conjunto de pacientes idosos selecionados pelo AmbulatÃrio de Geriatria do Hospital UniversitÃrio WÃlter CantÃdio. A partir de experimentos de validaÃÃo em bases de dados diversas com anotaÃÃes manuais dos batimentos, obtÃm-se as seguintes taxas de detecÃÃo e erros de delineamento para o complexo QRS: sensibilidade de 99,51%, preditividade positiva de 99,44%, erro mÃdio de inÃcio (QRS onset) de 2,85  9,90 ms e erro mÃdio de final (QRS offset) de 2,83  12,26 ms. Com relaÃÃo à detecÃÃo e segmentaÃÃo da onda T, obtÃm-se os seguintes resultados: sensibilidade de 99,48%, preditividade positiva de 99,53%, erro mÃdio de localizaÃÃo de pico de 0,51  8,06 ms e erro mÃdio de localizaÃÃo de final da forma de onda de 0,11  11,73 ms. Quanto ao primeiro estudo de caso de uso dos pontos fiduciais detectados, a potÃncia mÃdia dos sinais eletrogramas atriais, apÃs a subtraÃÃo da atividade ventricular, à significativamente reduzida para frequÃncias acima de 10 Hz, predominantemente associadas ao complexo QRS, bem como para frequÃncias na faixa de 3 a 5 Hz, relacionadas à atividade elÃtrica de repolarizaÃÃo ventricular. Para o segundo estudo, a anÃlise do comportamento de mÃtricas no domÃnio da frequÃncia associadas à atividade do sistema nervoso simpÃtico permite o reconhecimento de tendÃncias prÃprias e caracterÃsticas, no que tange a aspectos de funcionamento/disautonomia do sistema nervoso autonÃmico, de cada classe prÃ-determinada de idosos segundo os conceitos de fenÃtipo de fragilidade: idosos frÃgeis, prÃ-frÃgeis e robustos. Os resultados obtidos sugerem que o conjunto de metodologias desenvolvidas para a segmentaÃÃo do sinal ECG apresenta altas taxas de precisÃo, repetibilidade e robustez a uma ampla gama de morfologias, podendo ser aplicado em diversos contextos de auxÃlio ao diagnÃstico. Dadas as mÃtricas e sÃries temporais que podem ser extraÃdas, os referidos mÃtodos tambÃm podem dar suporte a processos de investigaÃÃo clÃnica e desenvolvimento de marcadores/indicadores de eventos cardiovasculares adversos.
description nÃo hÃ
publishDate 2013
dc.date.issued.fl_str_mv 2013-05-17
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
status_str publishedVersion
format doctoralThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=10281
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=10281
dc.language.iso.fl_str_mv por
language por
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.publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia de TeleinformÃtica
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295176298332160

Registros relacionados