Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
Texto Completo: | https://repositorio.ufersa.edu.br/handle/prefix/9490 |
Resumo: | De acordo com informações disponibilizadas pelo Portal da transparência brasileiro, no Brasil, houve um aumento de pelo menos 50% em óbitos causados por cardiopatias não diagnosticadas, desde o início da pandemia de COVID-19 no ano de 2020. Um dos principais fatores para que isso ocorra é a baixa procura por cardiologistas, dificultando assim o diagnóstico de doenças cardíacas. Uma possível solução para esta problemática seria o uso da telemedicina, já que, o distanciamento social dificulta um diagnóstico presencial. Isto posto, o presente trabalho se propõe a realizar o processamento dos dados, adquiridos no Eletrocardiograma, por meio de uma rede neural capaz de identificar cardiopatias de forma prática, cômoda e segura. Foi desenvolvido uma Rede Neural Artificial Convolucional de uma dimensão, que permite identificar anormalidades, doenças cardíacas, no sinal do Eletrocardiograma. A Rede Neural Artificial foi implementada em linguagem Python, utilizando a plataforma Google Colaboraty. A rede foi treinada com dados da PhysioNet, e testada com dados colhidos. A Rede Neural Artificial apresentou uma excelente acurácia de forma a atingir os resultados esperados. |
id |
UFER_0572cedf26810aef8df9e422961e45df |
---|---|
oai_identifier_str |
oai:repositorio.ufersa.edu.br:prefix/9490 |
network_acronym_str |
UFER |
network_name_str |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
repository_id_str |
|
spelling |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neuralENGENHARIAS::ENGENHARIA ELETRICAEletrocardiograma; cardiopatias; processamento; rede neural artificialDe acordo com informações disponibilizadas pelo Portal da transparência brasileiro, no Brasil, houve um aumento de pelo menos 50% em óbitos causados por cardiopatias não diagnosticadas, desde o início da pandemia de COVID-19 no ano de 2020. Um dos principais fatores para que isso ocorra é a baixa procura por cardiologistas, dificultando assim o diagnóstico de doenças cardíacas. Uma possível solução para esta problemática seria o uso da telemedicina, já que, o distanciamento social dificulta um diagnóstico presencial. Isto posto, o presente trabalho se propõe a realizar o processamento dos dados, adquiridos no Eletrocardiograma, por meio de uma rede neural capaz de identificar cardiopatias de forma prática, cômoda e segura. Foi desenvolvido uma Rede Neural Artificial Convolucional de uma dimensão, que permite identificar anormalidades, doenças cardíacas, no sinal do Eletrocardiograma. A Rede Neural Artificial foi implementada em linguagem Python, utilizando a plataforma Google Colaboraty. A rede foi treinada com dados da PhysioNet, e testada com dados colhidos. A Rede Neural Artificial apresentou uma excelente acurácia de forma a atingir os resultados esperados.55 p.BrasilCentro Multidisciplinar de Caraúbas - CMCUFERSAUniversidade Federal Rural do Semi-ÁridoBrito Filho, Francisco de AssisBrito Filho, Francisco de AssisSilva, Lincoln Alexandre PazViana, Nayana Letícia de MoraisSousa, Letícia Ainoan Nunes de2023-07-13T13:51:11Z2023-07-13T13:51:11Z2021-11-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesispdfapplication/pdfhttps://repositorio.ufersa.edu.br/handle/prefix/9490CaraúbasUFERSACC-BY-SAhttps://creativecommons.org/licenses/by-sa/4.0info:eu-repo/semantics/openAccessporreponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)instname:Universidade Federal Rural do Semi-Árido (UFERSA)instacron:UFERSA2024-02-08T21:42:27Zoai:repositorio.ufersa.edu.br:prefix/9490Repositório Institucionalhttps://repositorio.ufersa.edu.br/PUBhttps://repositorio.ufersa.edu.br/server/oai/requestrepositorio@ufersa.edu.br || admrepositorio@ufersa.edu.bropendoar:2024-02-08T21:42:27Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA)false |
dc.title.none.fl_str_mv |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
title |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
spellingShingle |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural Sousa, Letícia Ainoan Nunes de ENGENHARIAS::ENGENHARIA ELETRICA Eletrocardiograma; cardiopatias; processamento; rede neural artificial |
title_short |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
title_full |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
title_fullStr |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
title_full_unstemmed |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
title_sort |
Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural |
author |
Sousa, Letícia Ainoan Nunes de |
author_facet |
Sousa, Letícia Ainoan Nunes de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Brito Filho, Francisco de Assis Brito Filho, Francisco de Assis Silva, Lincoln Alexandre Paz Viana, Nayana Letícia de Morais |
dc.contributor.author.fl_str_mv |
Sousa, Letícia Ainoan Nunes de |
dc.subject.por.fl_str_mv |
ENGENHARIAS::ENGENHARIA ELETRICA Eletrocardiograma; cardiopatias; processamento; rede neural artificial |
topic |
ENGENHARIAS::ENGENHARIA ELETRICA Eletrocardiograma; cardiopatias; processamento; rede neural artificial |
description |
De acordo com informações disponibilizadas pelo Portal da transparência brasileiro, no Brasil, houve um aumento de pelo menos 50% em óbitos causados por cardiopatias não diagnosticadas, desde o início da pandemia de COVID-19 no ano de 2020. Um dos principais fatores para que isso ocorra é a baixa procura por cardiologistas, dificultando assim o diagnóstico de doenças cardíacas. Uma possível solução para esta problemática seria o uso da telemedicina, já que, o distanciamento social dificulta um diagnóstico presencial. Isto posto, o presente trabalho se propõe a realizar o processamento dos dados, adquiridos no Eletrocardiograma, por meio de uma rede neural capaz de identificar cardiopatias de forma prática, cômoda e segura. Foi desenvolvido uma Rede Neural Artificial Convolucional de uma dimensão, que permite identificar anormalidades, doenças cardíacas, no sinal do Eletrocardiograma. A Rede Neural Artificial foi implementada em linguagem Python, utilizando a plataforma Google Colaboraty. A rede foi treinada com dados da PhysioNet, e testada com dados colhidos. A Rede Neural Artificial apresentou uma excelente acurácia de forma a atingir os resultados esperados. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-11-18 2023-07-13T13:51:11Z 2023-07-13T13:51:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufersa.edu.br/handle/prefix/9490 |
url |
https://repositorio.ufersa.edu.br/handle/prefix/9490 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
UFERSA CC-BY-SA https://creativecommons.org/licenses/by-sa/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
UFERSA CC-BY-SA https://creativecommons.org/licenses/by-sa/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
pdf application/pdf |
dc.coverage.none.fl_str_mv |
Caraúbas |
dc.publisher.none.fl_str_mv |
Brasil Centro Multidisciplinar de Caraúbas - CMC UFERSA Universidade Federal Rural do Semi-Árido |
publisher.none.fl_str_mv |
Brasil Centro Multidisciplinar de Caraúbas - CMC UFERSA Universidade Federal Rural do Semi-Árido |
dc.source.none.fl_str_mv |
reponame:Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) instname:Universidade Federal Rural do Semi-Árido (UFERSA) instacron:UFERSA |
instname_str |
Universidade Federal Rural do Semi-Árido (UFERSA) |
instacron_str |
UFERSA |
institution |
UFERSA |
reponame_str |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
collection |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) |
repository.name.fl_str_mv |
Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU) - Universidade Federal Rural do Semi-Árido (UFERSA) |
repository.mail.fl_str_mv |
repositorio@ufersa.edu.br || admrepositorio@ufersa.edu.br |
_version_ |
1809747472780623872 |