Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia

Detalhes bibliográficos
Autor(a) principal: Deus, Luis Felipe de
Data de Publicação: 2020
Idioma: por
Título da fonte: Manancial - Repositório Digital da UFSM
dARK ID: ark:/26339/0013000005v14
Texto Completo: http://repositorio.ufsm.br/handle/1/25256
Resumo: Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2020.
id UFSM_b6374c78c18b10be01ed377363c9259a
oai_identifier_str oai:repositorio.ufsm.br:1/25256
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografiaBlood pressure estimation using artificial intelligence models in photoplethysmography signal processingPressão arterialFotopletismografiaInteligência artificialBlood pressurePhotoplethysmographyArtificial intelligenceCNPQ::ENGENHARIASTrabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2020.Blood pressure measurement, and possible changes in the normality of this, it is associated with several comorbidities such as cardiovascular and cardiorespiratory diseases among others. Data reported by the Institute for Health Metrics and Evaluation (IHME) show that cardiovascular diseases are the main cause of death worldwide, killing 17.8 million people in 2017, along with 3.91 million deaths from respiratory diseases. Blood pressure is measured in two values, Systolic Blood Pressure (SBP), referring to the contraction movement of the heart, systole, where the pressure is higher, and Diastolic Blood Pressure (DBP), referring to the relaxation movement of the heart, diastole, where the pressure is less. At the present moment, the most used methods for measuring blood pressure cannot be used continuously, such as the sphygmomanometer, which contracts, usually the brachial artery, at a higher pressure than the individual’s pressure, other methods are invasive, where a catheter is required in the patient’s artery, which can cause discomfort and possible infections to the patient. This work proposes a study of techniques for the continuous and non-invasive measurement of blood pressure, through the processing of Photoplethysmography signals in conjunction with Artificial Intelligence algorithms. The research was carried out in two different datasets, one from Queensland University and the other from Federal University of Santa Maria (UFSM). Three different methodologies were developed, called Single PPG Wave, Sliding Window and Scalogram, for each method, a set of experiments was designed with the purpose of corroborating the results presented, as well as an analysis of each test. The approaches used were in the scope of regression, which estimates a floating point value, and in the classification, which seeks to situate the patient’s condition in a class. In terms of performance, this work reached the AAMI standards where the device must have an average error of less than 5 mmHg and standard deviation of less than 8 mmHg, as well as class A in the British Hypertension Society standard. The best results show that the Sliding Window method with the Random Forest algorithm reached average error and standard deviation of 0.94 ± 2.31 mmHg for SBP measurement and 0.60 ± 1.39 mmHg for DBP, among a total of 55,493 predictions.A medida da pressão arterial, e possíveis alterações da normalidade desta, está associada a várias comorbidades como em doenças cardiovasculares, cardiorrespiratórias entre outras. Dados reportados pelo Institute for Health Metrics and Evaluation (IHME) demonstram que doenças cardiovasculares são o principal fator de mortes ao redor do mundo, matando 17.8 milhões de pessoas no ano de 2017, juntamente com 3.91 milhões de mortes por doenças respiratórias. A pressão arterial é aferida em dois valores, a Pressão Arterial Sistólica (SBP), referente ao movimento de contração do coração, a sístole, onde a pressão é maior, e a Pressão Arterial Diastólica (DBP), referente ao movimento de relaxamento do coração, diástole, onde a pressão é menor. No presente momento os métodos mais utilizados para a aferição da pressão arterial não podem ser utilizados ininterruptamente, como o Esfigmomanômetro, que contrai, geralmente a artéria braquial, a uma pressão maior do que a pressão do indivíduo, outros métodos são invasivos, onde é introduzido um cateter na artéria do paciente, o que pode gerar desconforto e possíveis infecções. Este trabalho propõe um estudo de técnicas para a aferição contínua e não invasiva da pressão arterial, através do processamento de sinais de Fotopletismografia em conjunto com algoritmos de Inteligência Artificial. A pesquisa foi executada em duas bases de dados diferentes, sendo uma da Universidade de Queensland, e a outra da Universidade Federal de Santa Maria (UFSM). Foram desenvolvidas três metodologias diferentes, denominadas Single PPG Wave, Sliding Window e Scalogram, para cada método foi elaborado um conjunto de experimentos com o propósito de corroborar para com os resultados apresentados, bem como uma análise de cada teste. As abordagens utilizadas foram no âmbito da regressão, que estima um valor de ponto flutuante, e na classificação, que busca situar a condição do paciente em uma classe. Em termos de performance este trabalho atingiu os padrões AAMI onde o dispositivo deve ter erro médio menor do que 5 mmHg e desvio padrão menor do que 8 mmHg, e a classe A no padrão da Sociedade Britânica de Hipertensão. Os melhores resultados demonstram que o método Sliding Window com o algoritmo Random Forest atingiu erro médio e desvio padrão de 0.94 ± 2.31 mmHg para a aferição da SBP e 0.60 ± 1.39 mmHg para DBP, dentre um total de 55.493 predições.Universidade Federal de Santa MariaBrasilUFSMCentro de TecnologiaPrior, Cesar AugustoDeus, Luis Felipe de2022-07-06T19:54:45Z2022-07-06T19:54:45Z2020-09-162020Trabalho de Conclusão de Curso de Graduaçãoinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ufsm.br/handle/1/25256ark:/26339/0013000005v14porAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2022-07-06T19:54:45Zoai:repositorio.ufsm.br:1/25256Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/ONGhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.comopendoar:2022-07-06T19:54:45Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
Blood pressure estimation using artificial intelligence models in photoplethysmography signal processing
title Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
spellingShingle Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
Deus, Luis Felipe de
Pressão arterial
Fotopletismografia
Inteligência artificial
Blood pressure
Photoplethysmography
Artificial intelligence
CNPQ::ENGENHARIAS
title_short Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
title_full Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
title_fullStr Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
title_full_unstemmed Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
title_sort Estimativa da pressão arterial através de modelos de inteligência artificial no processamento de sinais de fotopletismografia
author Deus, Luis Felipe de
author_facet Deus, Luis Felipe de
author_role author
dc.contributor.none.fl_str_mv Prior, Cesar Augusto
dc.contributor.author.fl_str_mv Deus, Luis Felipe de
dc.subject.por.fl_str_mv Pressão arterial
Fotopletismografia
Inteligência artificial
Blood pressure
Photoplethysmography
Artificial intelligence
CNPQ::ENGENHARIAS
topic Pressão arterial
Fotopletismografia
Inteligência artificial
Blood pressure
Photoplethysmography
Artificial intelligence
CNPQ::ENGENHARIAS
description Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Computação, RS, 2020.
publishDate 2020
dc.date.none.fl_str_mv 2020-09-16
2020
2022-07-06T19:54:45Z
2022-07-06T19:54:45Z
dc.type.driver.fl_str_mv Trabalho de Conclusão de Curso de Graduação
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/25256
dc.identifier.dark.fl_str_mv ark:/26339/0013000005v14
url http://repositorio.ufsm.br/handle/1/25256
identifier_str_mv ark:/26339/0013000005v14
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com
_version_ 1815172289685094400

Registros relacionados