Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural

Detalhes bibliográficos
Autor(a) principal: Sousa, Letícia Ainoan Nunes de
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

Registros relacionados