Extração de parâmetros do sinal ECG para diagnóstico de patologias

• Autor(a) principal: Costa, Renan Tadeu Vieira
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10198/23559
• topic: Eletrocardiograma; Processamento de sinal; Redes neurais; Engenharia Industrial

O eletrocardiograma (ECG) é um exame médico que registra os fenômenos elétricos resultantes da atividade cardíaca e uma das principais ferramentas diagnósticas da prática clínica cardiológica. Esses registros, em sua maioria, apresentam ruídos que incluem componentes de baixa e alta frequência que interferem na identificação e classificação dos parâmetros presentes no sinal. Neste trabalho, o objetivo principal é a extração das características presentes no ECG de forma eficiente, através da elaboração de algoritmo no software MATLAB. Com a utilização de técnicas de pré-processamento, foram feitas análises de diferentes filtros digitais e técnicas de suavização, como cancelamento da componente DC e remoção da linha de base, com finalidade da redução das interferências geradas na captação do sinal. Com o sinal suavizado, foram implementados no projeto ferramentas para o reconhecimento de eventos do ECG. O sinal foi elevado ao quadrado e derivado, para evidenciar o pico mais visível, o pico R. Com a localização desse pico, foi aplicado um limiar adaptativo, baseado no algoritmo de Pan-Tompkins, para resultados não tão lineares. Os outros picos, P-Q-S-T, foram encontrados a partir da procura de máximos e mínimos em regiões padrões do sinal. O algoritmo desenvolvido obteve uma taxa de acerto de 98.09% na identificação do complexo QRS e de 96,29% das demais ondas. O presente trabalho implementou técnicas baseadas em redes neurais, com a utilização de uma rede do tipo feedforward e o algorotimo backpropagation para classificar os sinais e seus respectivos parâmetros gerados. O melhor resultado, dentre os testados, foi com a utilização da função de treinamento do gradiente descendente com momento, com taxa de acerto de 66,67% na identificação de patologias.