ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos

Detalhes bibliográficos
Autor(a) principal: Thiago Monteiro Nunes
Data de Publicação: 2014
Tipo de documento: Dissertação
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=12543
Resumo: Anualmente no mundo, milhÃes de pessoas morrem vÃtimas de cardiopatias que em grande parte, podem ser detectadas atravÃs de sinais em eletrocardiograma. Essa anÃlise envolve o estudo do sinal, correspondendo Ãs arritmias estudadas, processo que pode ser automatizado atravÃs do aprendizado de mÃquinas. Esse trabalho compara os classificadores Floresta de Caminhos Ãtimos(OPF), utilizando 6 mÃtricas de distÃncias, MÃquinas de Vetores de Suporte com nÃcleo de funÃÃo de base radial (SVM-RBF) e Classificador Bayesiano aplicados problema da classificaÃÃo de arritmias em eletrocardiogramas, usando 6 tÃcnicas de extraÃÃo de atributos e uma metodologia de separaÃÃo de conjuntos para evitar a interferÃncia das informaÃÃes de pacientes na classificaÃÃo. A base de dados utilizada foi a MIT-BIH Arrhythmia Database e foram avaliados desempenho em termos de taxa de acerto, generalizaÃÃo, atravÃs de sensibilidade e especificidade, e custo computacional. Foram consideradas classificaÃÃes em 5 e 3 classes de arritmias. O OPF mostrou o melhor desempenho em termos de generalizaÃÃo, enquanto o SVM-RBF obteve as maiores taxas de acerto. Os tempos de treino do OPF foram os menores entre os classificadores. No teste, o SVM-RBF foi o classificador que apresentou o menor custo computacional.
id UFC_1c55adf8eb16e4a7991bb4de9cb96d20
oai_identifier_str oai:www.teses.ufc.br:8568
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos ÃtimosECG cardiac arrhythmia classification using optimum path forest2014-08-01Victor Hugo Costa de Albuquerque63925680349http://lattes.cnpq.br/4186515742605446FÃtima Nelsizeuma Sombra de Medeiros18748791334http://lattes.cnpq.br/5144730275745518Auzuir Ripardo de Alexandria29359163368http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4728508P584936959391buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4365897Z9Thiago Monteiro NunesUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia de TeleinformÃticaUFCBR Processamento de sinais pattern recognition systems electrophysiology signal prossessing teleinformaticsENGENHARIA BIOMEDICAAnualmente no mundo, milhÃes de pessoas morrem vÃtimas de cardiopatias que em grande parte, podem ser detectadas atravÃs de sinais em eletrocardiograma. Essa anÃlise envolve o estudo do sinal, correspondendo Ãs arritmias estudadas, processo que pode ser automatizado atravÃs do aprendizado de mÃquinas. Esse trabalho compara os classificadores Floresta de Caminhos Ãtimos(OPF), utilizando 6 mÃtricas de distÃncias, MÃquinas de Vetores de Suporte com nÃcleo de funÃÃo de base radial (SVM-RBF) e Classificador Bayesiano aplicados problema da classificaÃÃo de arritmias em eletrocardiogramas, usando 6 tÃcnicas de extraÃÃo de atributos e uma metodologia de separaÃÃo de conjuntos para evitar a interferÃncia das informaÃÃes de pacientes na classificaÃÃo. A base de dados utilizada foi a MIT-BIH Arrhythmia Database e foram avaliados desempenho em termos de taxa de acerto, generalizaÃÃo, atravÃs de sensibilidade e especificidade, e custo computacional. Foram consideradas classificaÃÃes em 5 e 3 classes de arritmias. O OPF mostrou o melhor desempenho em termos de generalizaÃÃo, enquanto o SVM-RBF obteve as maiores taxas de acerto. Os tempos de treino do OPF foram os menores entre os classificadores. No teste, o SVM-RBF foi o classificador que apresentou o menor custo computacional.Currently in the world, millions of people die, victims of heart diseases, which in large part can be detected by analyzing signals of the electrocardiogram. This analysis involves the study of the signal corresponding to the arrhythmia studied and can be automated through machine learning. This work compares the Optimum Path Forest (OPF) classifier using 6 distance metrics, the Support Vector Machines classifier with radial basis function kernel (RBF-SVM) and the Bayesian classifier, applied to the problem of ECG arrhythmias classification. This is done using 6 feature extraction techniques and a methodology for separating sets, to avoid the interference of patient information in classification. The performance is evaluated in terms of accuracy, generalization, through specificity and sensitivity, and computational cost. Classification was done using 5 and 3 classes of arrhythmias. The OPF showed the best performance in terms of generalization, while the SVM-RBF had the highest accuracy rates. The training times of OPF were the lowest among the classifiers. In the test, the RBF-SVM classifier presented best computational cost.FundaÃÃo de Amparo à Pesquisa do Estado do CearÃhttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=12543application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:25:45Zmail@mail.com -
dc.title.pt.fl_str_mv ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
dc.title.alternative.en.fl_str_mv ECG cardiac arrhythmia classification using optimum path forest
title ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
spellingShingle ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
Thiago Monteiro Nunes
Processamento de sinais
pattern recognition systems
electrophysiology
signal prossessing
teleinformatics
ENGENHARIA BIOMEDICA
title_short ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
title_full ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
title_fullStr ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
title_full_unstemmed ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
title_sort ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
author Thiago Monteiro Nunes
author_facet Thiago Monteiro Nunes
author_role author
dc.contributor.advisor1.fl_str_mv Victor Hugo Costa de Albuquerque
dc.contributor.advisor1ID.fl_str_mv 63925680349
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/4186515742605446
dc.contributor.referee1.fl_str_mv FÃtima Nelsizeuma Sombra de Medeiros
dc.contributor.referee1ID.fl_str_mv 18748791334
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/5144730275745518
dc.contributor.referee2.fl_str_mv Auzuir Ripardo de Alexandria
dc.contributor.referee2ID.fl_str_mv 29359163368
dc.contributor.referee2Lattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4728508P5
dc.contributor.authorID.fl_str_mv 84936959391
dc.contributor.authorLattes.fl_str_mv buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4365897Z9
dc.contributor.author.fl_str_mv Thiago Monteiro Nunes
contributor_str_mv Victor Hugo Costa de Albuquerque
FÃtima Nelsizeuma Sombra de Medeiros
Auzuir Ripardo de Alexandria
dc.subject.por.fl_str_mv Processamento de sinais
topic Processamento de sinais
pattern recognition systems
electrophysiology
signal prossessing
teleinformatics
ENGENHARIA BIOMEDICA
dc.subject.eng.fl_str_mv pattern recognition systems
electrophysiology
signal prossessing
teleinformatics
dc.subject.cnpq.fl_str_mv ENGENHARIA BIOMEDICA
dc.description.sponsorship.fl_txt_mv FundaÃÃo de Amparo à Pesquisa do Estado do CearÃ
dc.description.abstract.por.fl_txt_mv Anualmente no mundo, milhÃes de pessoas morrem vÃtimas de cardiopatias que em grande parte, podem ser detectadas atravÃs de sinais em eletrocardiograma. Essa anÃlise envolve o estudo do sinal, correspondendo Ãs arritmias estudadas, processo que pode ser automatizado atravÃs do aprendizado de mÃquinas. Esse trabalho compara os classificadores Floresta de Caminhos Ãtimos(OPF), utilizando 6 mÃtricas de distÃncias, MÃquinas de Vetores de Suporte com nÃcleo de funÃÃo de base radial (SVM-RBF) e Classificador Bayesiano aplicados problema da classificaÃÃo de arritmias em eletrocardiogramas, usando 6 tÃcnicas de extraÃÃo de atributos e uma metodologia de separaÃÃo de conjuntos para evitar a interferÃncia das informaÃÃes de pacientes na classificaÃÃo. A base de dados utilizada foi a MIT-BIH Arrhythmia Database e foram avaliados desempenho em termos de taxa de acerto, generalizaÃÃo, atravÃs de sensibilidade e especificidade, e custo computacional. Foram consideradas classificaÃÃes em 5 e 3 classes de arritmias. O OPF mostrou o melhor desempenho em termos de generalizaÃÃo, enquanto o SVM-RBF obteve as maiores taxas de acerto. Os tempos de treino do OPF foram os menores entre os classificadores. No teste, o SVM-RBF foi o classificador que apresentou o menor custo computacional.
dc.description.abstract.eng.fl_txt_mv Currently in the world, millions of people die, victims of heart diseases, which in large part can be detected by analyzing signals of the electrocardiogram. This analysis involves the study of the signal corresponding to the arrhythmia studied and can be automated through machine learning. This work compares the Optimum Path Forest (OPF) classifier using 6 distance metrics, the Support Vector Machines classifier with radial basis function kernel (RBF-SVM) and the Bayesian classifier, applied to the problem of ECG arrhythmias classification. This is done using 6 feature extraction techniques and a methodology for separating sets, to avoid the interference of patient information in classification. The performance is evaluated in terms of accuracy, generalization, through specificity and sensitivity, and computational cost. Classification was done using 5 and 3 classes of arrhythmias. The OPF showed the best performance in terms of generalization, while the SVM-RBF had the highest accuracy rates. The training times of OPF were the lowest among the classifiers. In the test, the RBF-SVM classifier presented best computational cost.
description Anualmente no mundo, milhÃes de pessoas morrem vÃtimas de cardiopatias que em grande parte, podem ser detectadas atravÃs de sinais em eletrocardiograma. Essa anÃlise envolve o estudo do sinal, correspondendo Ãs arritmias estudadas, processo que pode ser automatizado atravÃs do aprendizado de mÃquinas. Esse trabalho compara os classificadores Floresta de Caminhos Ãtimos(OPF), utilizando 6 mÃtricas de distÃncias, MÃquinas de Vetores de Suporte com nÃcleo de funÃÃo de base radial (SVM-RBF) e Classificador Bayesiano aplicados problema da classificaÃÃo de arritmias em eletrocardiogramas, usando 6 tÃcnicas de extraÃÃo de atributos e uma metodologia de separaÃÃo de conjuntos para evitar a interferÃncia das informaÃÃes de pacientes na classificaÃÃo. A base de dados utilizada foi a MIT-BIH Arrhythmia Database e foram avaliados desempenho em termos de taxa de acerto, generalizaÃÃo, atravÃs de sensibilidade e especificidade, e custo computacional. Foram consideradas classificaÃÃes em 5 e 3 classes de arritmias. O OPF mostrou o melhor desempenho em termos de generalizaÃÃo, enquanto o SVM-RBF obteve as maiores taxas de acerto. Os tempos de treino do OPF foram os menores entre os classificadores. No teste, o SVM-RBF foi o classificador que apresentou o menor custo computacional.
publishDate 2014
dc.date.issued.fl_str_mv 2014-08-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=12543
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=12543
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_ 1643295193890291712

Registros relacionados