ClassificaÃÃo de arritmias cardÃacas em eletrocardiograma utilizando floresta de caminhos Ãtimos
Autor(a) principal: | |
---|---|
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 Cearà |
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 Cearà |
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 Cearà |
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 |