Aquisição de eletrocardiograma e classificação de arritmias por machine learning

• Autor(a) principal: Silva, César Nogueira
• Data de Publicação: 2022
• Outros Autores: Matos, Jefferson Almeida, Lopes, Fernanda Ferrezi
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da FEI
• Texto Completo: https://repositorio.fei.edu.br/handle/FEI/4579
• topic: ECG; machine learning; arritmia; MATLAB; arrhythmia

Esse projeto apresenta uma proposta de um dispositivo para monitoração cardíaca pessoal. O dispositivo foi desenvolvido aplicando técnicas de Inteligência Artificial (aprendizado de máquina) para o reconhecimento de arritmias. O dispositivo informará, por meio de um e-mail, a detecção da possível arritmia à um médico ou pessoa credenciada, de modo que possa agilizar ou antecipar, um atendimento de emergência. Segundo a classificação da AAMI (Association for the Advancement of Medical Instrumentation) foram selecionadas 4 classes, sendo Normal (N), Supraventricular ectópico (SVE), Ventricular ectópico (VE) e Fusão de normal e ventriculares (F). Utilizando a base de dados MIT-BIH Arrhythmia Database e o aplicativo (app) Classification Learner do Matlab, para o treinamento, foi possível investigar vários modelos, sendo que os melhores foram o Ensemble (SubspaceKNN) e o SVM (Cubic SVM) com acurácias de 94% e 94,1%, respectivamente. Esses modelos foram selecionados para a etapa de teste, tendo o modelo Ensemble (SubspaceKNN) obtido a melhor acurácia (74,4%) e posteriormente sendo utilizado para a implementação no aplicativo de interface do usuário. Desta forma, sua implantação contribui para o desenvolvimento de inovação científicotecnológica, à medida que o equipamento apresenta características que ainda não foram totalmente implementadas no mercado e causa impacto no âmbito social, tornando-o acessível, sem a necessidade de um serviço de monitoração contínuo contratado pelo paciente.