Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial

Detalhes bibliográficos
Autor(a) principal: Rafael Goncalves de Oliveira Viana
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMS
Texto Completo: https://repositorio.ufms.br/handle/123456789/5439
Resumo: The Autonomic Nervous System is one of those responsible for cardiovascular configurations and its enhancement can be measured using the Heart Rate Variability (HRV) by R waves, present in the Electrocardiogram. Currently, hypertension is highly prevalent in all countries. Thanks to smart wearable equipment, a cluster of data began to be collected and stored, however little explored. New methods of measuring hypertension using stored data help in the cardiovascular control of a large number of people. In this research, the HRV data collected by wearable equipment of low cost and of easy acquisition, were processed and a result of 75\% of accuracy was obtained when using artificial intelligence in the classification of medicated hypertensive and non-hypertensive patients (healthy ). This result is probably related to the effectiveness of the medication used by the patients. New research seeking candidates who suffer from altered blood pressure (not hypertensive) should be carried out in order to extract these characteristics, by not using blood pressure control medication.
id UFMS_5e13e3b9f5dd1dd9c27664da8143e499
oai_identifier_str oai:repositorio.ufms.br:123456789/5439
network_acronym_str UFMS
network_name_str Repositório Institucional da UFMS
repository_id_str 2124
spelling 2022-12-06T22:52:31Z2022-12-06T22:52:31Z2022https://repositorio.ufms.br/handle/123456789/5439The Autonomic Nervous System is one of those responsible for cardiovascular configurations and its enhancement can be measured using the Heart Rate Variability (HRV) by R waves, present in the Electrocardiogram. Currently, hypertension is highly prevalent in all countries. Thanks to smart wearable equipment, a cluster of data began to be collected and stored, however little explored. New methods of measuring hypertension using stored data help in the cardiovascular control of a large number of people. In this research, the HRV data collected by wearable equipment of low cost and of easy acquisition, were processed and a result of 75\% of accuracy was obtained when using artificial intelligence in the classification of medicated hypertensive and non-hypertensive patients (healthy ). This result is probably related to the effectiveness of the medication used by the patients. New research seeking candidates who suffer from altered blood pressure (not hypertensive) should be carried out in order to extract these characteristics, by not using blood pressure control medication.O Sistema Nervoso Autônomo é um dos responsáveis pelos ajustes cardiovasculares e seu realce pode ser aferido, utilizando a Variabilidade de Frequência Cardíaca(VFC) pelas ondas R, presente no Eletrocardiograma. Atualmente a hipertensão é altamente prevalente em todos os países. Graças a equipamentos inteligentes vestíveis, uma aglomerado de dados começou a ser coletado e armazenado, entretanto pouco explorados. Novos métodos de aferição da hipertensão utilizando os dados armazenados ajudaria no controle cardiovascular de uma grande quantidade de pessoas. Nesta pesquisa, os dados de VFC coletados por equipamentos vestíveis de baixo custo e de fácil aquisição, foram processados e obteve-se um resultado de 75\% de acurácia ao utilizar inteligência artificial na classificação de pacientes hipertensos medicados e não hipertensos (saudáveis). Este resultado provavelmente esta relacionado a eficácia do medicamento utilizado pelos pacientes. Novas pesquisas visando candidatos que possuem pressão alterada (não hipertensos), deve ser realizada, a fim de extrair características destes, ao não utilizar medicamento de controle de pressão arterial.Fundação Universidade Federal de Mato Grosso do SulUFMSBrasilVariabilidade de Frequência Cardíaca, Sistema Nervoso Autônomo, Inteligência Artificial, HipertensãoClassificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMilton Ernesto Romero RomeroRafael Goncalves de Oliveira Vianainfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMSinstname:Universidade Federal de Mato Grosso do Sul (UFMS)instacron:UFMSORIGINALViana_R_Disserta__o_.pdfViana_R_Disserta__o_.pdfapplication/pdf4793596https://repositorio.ufms.br/bitstream/123456789/5439/-1/Viana_R_Disserta__o_.pdfe7a97637639140cde53997c34f8623b7MD5-1123456789/54392022-12-06 18:52:32.854oai:repositorio.ufms.br:123456789/5439Repositório InstitucionalPUBhttps://repositorio.ufms.br/oai/requestri.prograd@ufms.bropendoar:21242022-12-06T22:52:32Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)false
dc.title.pt_BR.fl_str_mv Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
title Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
spellingShingle Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
Rafael Goncalves de Oliveira Viana
Variabilidade de Frequência Cardíaca, Sistema Nervoso Autônomo, Inteligência Artificial, Hipertensão
title_short Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
title_full Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
title_fullStr Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
title_full_unstemmed Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
title_sort Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
author Rafael Goncalves de Oliveira Viana
author_facet Rafael Goncalves de Oliveira Viana
author_role author
dc.contributor.advisor1.fl_str_mv Milton Ernesto Romero Romero
dc.contributor.author.fl_str_mv Rafael Goncalves de Oliveira Viana
contributor_str_mv Milton Ernesto Romero Romero
dc.subject.por.fl_str_mv Variabilidade de Frequência Cardíaca, Sistema Nervoso Autônomo, Inteligência Artificial, Hipertensão
topic Variabilidade de Frequência Cardíaca, Sistema Nervoso Autônomo, Inteligência Artificial, Hipertensão
description The Autonomic Nervous System is one of those responsible for cardiovascular configurations and its enhancement can be measured using the Heart Rate Variability (HRV) by R waves, present in the Electrocardiogram. Currently, hypertension is highly prevalent in all countries. Thanks to smart wearable equipment, a cluster of data began to be collected and stored, however little explored. New methods of measuring hypertension using stored data help in the cardiovascular control of a large number of people. In this research, the HRV data collected by wearable equipment of low cost and of easy acquisition, were processed and a result of 75\% of accuracy was obtained when using artificial intelligence in the classification of medicated hypertensive and non-hypertensive patients (healthy ). This result is probably related to the effectiveness of the medication used by the patients. New research seeking candidates who suffer from altered blood pressure (not hypertensive) should be carried out in order to extract these characteristics, by not using blood pressure control medication.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-06T22:52:31Z
dc.date.available.fl_str_mv 2022-12-06T22:52:31Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufms.br/handle/123456789/5439
url https://repositorio.ufms.br/handle/123456789/5439
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.publisher.none.fl_str_mv Fundação Universidade Federal de Mato Grosso do Sul
dc.publisher.initials.fl_str_mv UFMS
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Fundação Universidade Federal de Mato Grosso do Sul
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMS
instname:Universidade Federal de Mato Grosso do Sul (UFMS)
instacron:UFMS
instname_str Universidade Federal de Mato Grosso do Sul (UFMS)
instacron_str UFMS
institution UFMS
reponame_str Repositório Institucional da UFMS
collection Repositório Institucional da UFMS
bitstream.url.fl_str_mv https://repositorio.ufms.br/bitstream/123456789/5439/-1/Viana_R_Disserta__o_.pdf
bitstream.checksum.fl_str_mv e7a97637639140cde53997c34f8623b7
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)
repository.mail.fl_str_mv ri.prograd@ufms.br
_version_ 1818603569366958080

Registros relacionados