Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.6/13118 |
Resumo: | A doença da apneia do sono afeta cerca de 1 milhão de pessoas no mundo. Ela distinguese em três tipos: Obstrutiva, Central e Mista. A investigação por uma alternativa à Polissonografia como meio de diagnóstico à Apneia Obstrutiva do Sono é uma necessidade, visto os custos e meios que ela envolve. Nesse sentido a presente dissertação descreve a envolvência do problema e propõe modelo de deteção de episódios de apneia, com recurso ao aprendizado de máquina (em inglês, Machine Learning). O modelo foi construído com o uso de diferentes classificadores (SVM, MLP, Adaboost e RandomForest). Como dados de entrada, foram processados e extraídas caraterísticas do base de dados ApneiaECG da Physionet. O melhor resultado alcançado foi uma exatidão (accuracy) de 78,45%, sensibilidade (sensibility) de de 70,26% e especificidade specificity de 83,49%. Adicionalmente, foi construída uma aplicação de recolha de dados que utiliza um dispositivo capacitado com elétrodos que permitem a recolha de sinal de eletrocardiograma. Com estes dados, pretendese no futuro criar uma base de dados e um sistema que ajude a deteção da apneia. |
id |
RCAP_04083ed89dd9d9de44d5b46a568c76f0 |
---|---|
oai_identifier_str |
oai:ubibliorum.ubi.pt:10400.6/13118 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinaisSupport Machine Vetor (Svm)AdaboostAplicação MóvelApneia Obstrutiva do Sono (Aos)ClassificadoresDeteçãoDiagnósticoEcgDerived Respiration (Edr)Eletrocardiograma (Ecg)Heart Rate VariabilityMachine LearningMultiLayer Perceptron (Mlp)RandomforestRecolha de DadosDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaA doença da apneia do sono afeta cerca de 1 milhão de pessoas no mundo. Ela distinguese em três tipos: Obstrutiva, Central e Mista. A investigação por uma alternativa à Polissonografia como meio de diagnóstico à Apneia Obstrutiva do Sono é uma necessidade, visto os custos e meios que ela envolve. Nesse sentido a presente dissertação descreve a envolvência do problema e propõe modelo de deteção de episódios de apneia, com recurso ao aprendizado de máquina (em inglês, Machine Learning). O modelo foi construído com o uso de diferentes classificadores (SVM, MLP, Adaboost e RandomForest). Como dados de entrada, foram processados e extraídas caraterísticas do base de dados ApneiaECG da Physionet. O melhor resultado alcançado foi uma exatidão (accuracy) de 78,45%, sensibilidade (sensibility) de de 70,26% e especificidade specificity de 83,49%. Adicionalmente, foi construída uma aplicação de recolha de dados que utiliza um dispositivo capacitado com elétrodos que permitem a recolha de sinal de eletrocardiograma. Com estes dados, pretendese no futuro criar uma base de dados e um sistema que ajude a deteção da apneia.Sleep apnea disease affects about 1 million people worldwide. It is distinguished into three types: Obstructive, Central and Mixed. The investigation for an alternative to Polysomnography as a means of diagnosing Obstructive Sleep Apnea is a necessity, given the costs and means that it involves. In this sense, the present dissertation describes the surroundings of the problem and proposes a model for the detection of apnea episodes, using machine learning (in English, Machine Learning). The model was built using different classifiers (SVM, MLP, Adaboost and RandomForest). As input data, features were processed and extracted from the ApneaECG database of Physionet. The best result achieved was an accuracy (accuracy) of 78.45%, sensitivity (sensibility) of 70.26% and specificity specificity of 83.49%. Additionally, a data collection application was built that uses a device equipped with electrodes that allow the collection of an electrocardiogram signal. With these data, it is intended in the future to create a database and a system to help detect apnea.Pombo, Nuno Gonçalo Coelho CostaPirbhulal, SandeepuBibliorumPaulos, Eduardo Frango2023-02-20T16:43:21Z2022-04-192022-01-242022-04-19T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10400.6/13118TID:203226283porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-12-15T09:56:33Zoai:ubibliorum.ubi.pt:10400.6/13118Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:52:36.952477Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
title |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
spellingShingle |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais Paulos, Eduardo Frango Support Machine Vetor (Svm) Adaboost Aplicação Móvel Apneia Obstrutiva do Sono (Aos) Classificadores Deteção Diagnóstico EcgDerived Respiration (Edr) Eletrocardiograma (Ecg) Heart Rate Variability Machine Learning MultiLayer Perceptron (Mlp) Randomforest Recolha de Dados Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
title_short |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
title_full |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
title_fullStr |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
title_full_unstemmed |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
title_sort |
Avaliação de Algoritmos Computacionais no contexto de Sistema de Monitorização de Apneia baseado no processamento de Bio-sinais |
author |
Paulos, Eduardo Frango |
author_facet |
Paulos, Eduardo Frango |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pombo, Nuno Gonçalo Coelho Costa Pirbhulal, Sandeep uBibliorum |
dc.contributor.author.fl_str_mv |
Paulos, Eduardo Frango |
dc.subject.por.fl_str_mv |
Support Machine Vetor (Svm) Adaboost Aplicação Móvel Apneia Obstrutiva do Sono (Aos) Classificadores Deteção Diagnóstico EcgDerived Respiration (Edr) Eletrocardiograma (Ecg) Heart Rate Variability Machine Learning MultiLayer Perceptron (Mlp) Randomforest Recolha de Dados Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
topic |
Support Machine Vetor (Svm) Adaboost Aplicação Móvel Apneia Obstrutiva do Sono (Aos) Classificadores Deteção Diagnóstico EcgDerived Respiration (Edr) Eletrocardiograma (Ecg) Heart Rate Variability Machine Learning MultiLayer Perceptron (Mlp) Randomforest Recolha de Dados Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
description |
A doença da apneia do sono afeta cerca de 1 milhão de pessoas no mundo. Ela distinguese em três tipos: Obstrutiva, Central e Mista. A investigação por uma alternativa à Polissonografia como meio de diagnóstico à Apneia Obstrutiva do Sono é uma necessidade, visto os custos e meios que ela envolve. Nesse sentido a presente dissertação descreve a envolvência do problema e propõe modelo de deteção de episódios de apneia, com recurso ao aprendizado de máquina (em inglês, Machine Learning). O modelo foi construído com o uso de diferentes classificadores (SVM, MLP, Adaboost e RandomForest). Como dados de entrada, foram processados e extraídas caraterísticas do base de dados ApneiaECG da Physionet. O melhor resultado alcançado foi uma exatidão (accuracy) de 78,45%, sensibilidade (sensibility) de de 70,26% e especificidade specificity de 83,49%. Adicionalmente, foi construída uma aplicação de recolha de dados que utiliza um dispositivo capacitado com elétrodos que permitem a recolha de sinal de eletrocardiograma. Com estes dados, pretendese no futuro criar uma base de dados e um sistema que ajude a deteção da apneia. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-04-19 2022-01-24 2022-04-19T00:00:00Z 2023-02-20T16:43:21Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.6/13118 TID:203226283 |
url |
http://hdl.handle.net/10400.6/13118 |
identifier_str_mv |
TID:203226283 |
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.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136414197088256 |