Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis

Detalhes bibliográficos
Autor(a) principal: Souza Neto, João
Data de Publicação: 2013
Outros Autores: Carvalho, João Luiz Azevedo de, Rocha, Adson Ferreira da, Junqueira Junior, Luiz Fernando, Nascimento, Francisco Assis de Oliveira
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/17079
https://dx.doi.org/10.4322/rbeb.2013.027
Resumo: Introdução: A Doença de Chagas é uma endemia rural, prevalente em grande parte da América Central e América do Sul e, aproximadamente, metade dos pacientes contaminados com o parasita Trypanosoma cruzi não apresentam sinais clínicos, eletrocardiográficos e radiológicos de envolvimento cardíaco. Este trabalho, entretanto, propõe uma técnica de auxílio ao diagnóstico da Doença de Chagas baseada em sinais de eletrocardiografia, que extrai informações relevantes desses sinais. Métodos: Duas abordagens são estudadas e implementadas. Ambas utilizam sinais de variabilidade da frequência cardíaca (VFC) e classificação por meio de rede neural, mais especificamente, o mapa auto-organizável de Kohonen. A VFC, que reflete a modulação neural autonômica simpática e parassimpática do coração, é avaliada com base em séries contínuas de intervalos RR do ECG convencional registradas durante 5 minutos. Na primeira abordagem, indicadores estatístico-temporais obtidos diretamente dos sinais de VFC são utilizados como entrada da rede neural para treinamento e teste do método de classificação. Na segunda proposta, são utilizados escalogramas wavelet com função de base DoG (derivative of Gaussian) para avaliação dos sinais de VFC. Indicadores obtidos dos escalogramas são utilizados como entrada da rede neural no treinamento e no teste do algoritmo. Os mapas topológicos de Kohonen são utilizados para comparar a capacidade dos indicadores calculados dos sinais de VFC em discriminar pacientes chagásicos cardiopatas, chagásicos indeterminados e indivíduos normais. Os indicadores temporais convencionais e os indicadores escalográficos são comparados. Resultados: Os resultados mostram que os indicadores escalográficos têm poder discriminatório estatisticamente superior aos indicadores temporais convencionais. Em particular, a potência média da densidade de potência do escalograma na banda de altas frequências mostrou ser estatisticamente o indicador de maior poder discriminatório (p < 0,05 para os 3 casos). Conclusão: A metodologia proposta mostrou-se capaz de distinguir entre indivíduos normais, chagásicos cardiopatas e chagásicos indeterminados. Os índices escalográficos propostos mostraram maior capacidade classificatória que os índices temporais tradicionais.
id UNB_fb33a0f7bfbba90c14a538facf82f6c5
oai_identifier_str oai:repositorio.unb.br:10482/17079
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveisComputer-aided system for diagnosis of Chagas’ disease based on scalograms and self-organizing neural networksChagas, Doença deEscalogramaWavelets (Matemática)Redes neuraisIntrodução: A Doença de Chagas é uma endemia rural, prevalente em grande parte da América Central e América do Sul e, aproximadamente, metade dos pacientes contaminados com o parasita Trypanosoma cruzi não apresentam sinais clínicos, eletrocardiográficos e radiológicos de envolvimento cardíaco. Este trabalho, entretanto, propõe uma técnica de auxílio ao diagnóstico da Doença de Chagas baseada em sinais de eletrocardiografia, que extrai informações relevantes desses sinais. Métodos: Duas abordagens são estudadas e implementadas. Ambas utilizam sinais de variabilidade da frequência cardíaca (VFC) e classificação por meio de rede neural, mais especificamente, o mapa auto-organizável de Kohonen. A VFC, que reflete a modulação neural autonômica simpática e parassimpática do coração, é avaliada com base em séries contínuas de intervalos RR do ECG convencional registradas durante 5 minutos. Na primeira abordagem, indicadores estatístico-temporais obtidos diretamente dos sinais de VFC são utilizados como entrada da rede neural para treinamento e teste do método de classificação. Na segunda proposta, são utilizados escalogramas wavelet com função de base DoG (derivative of Gaussian) para avaliação dos sinais de VFC. Indicadores obtidos dos escalogramas são utilizados como entrada da rede neural no treinamento e no teste do algoritmo. Os mapas topológicos de Kohonen são utilizados para comparar a capacidade dos indicadores calculados dos sinais de VFC em discriminar pacientes chagásicos cardiopatas, chagásicos indeterminados e indivíduos normais. Os indicadores temporais convencionais e os indicadores escalográficos são comparados. Resultados: Os resultados mostram que os indicadores escalográficos têm poder discriminatório estatisticamente superior aos indicadores temporais convencionais. Em particular, a potência média da densidade de potência do escalograma na banda de altas frequências mostrou ser estatisticamente o indicador de maior poder discriminatório (p < 0,05 para os 3 casos). Conclusão: A metodologia proposta mostrou-se capaz de distinguir entre indivíduos normais, chagásicos cardiopatas e chagásicos indeterminados. Os índices escalográficos propostos mostraram maior capacidade classificatória que os índices temporais tradicionais.Introduction: Chagas’ disease is an endemic rural disease prevalent in much of Central America and South America, and approximately half of the patients infected with the parasite Trypanosoma cruzi show no clinical, electrocardiographic and radiological cardiac involvement. This paper, however, proposes a technique for the diagnosis of Chagas’ disease based on ECG signals, which extracts relevant information from these signals. Methods: Two approaches are studied and implemented. Both approaches use heart rate variability (HRV) signals, and classification by a neural network, more specifically, the Kohonen self-organizing map. The HRV, which reflects sympathetic and parasympathetic autonomic neural modulation of the heart, is evaluated based on continuous series of RR intervals, calculated from 5-minute records of conventional ECG. In the first approach, statistical/temporal indexes obtained directly from the HRV signals are used as neural network inputs for training and testing of the classification method. In the second approach, derivative of Gaussian (DoG) wavelet scalograms are used to evaluate the HRV signals. Scalographic indexes are used as neural network inputs for training and testing of the algorithm. Kohonen topological maps are used to compare the ability of these HRV indicators of discriminating between patients with Chagas heart disease, Chagas indeterminate heart disease, and normal subjects. Conventional temporal indicators and indicators obtained from DoG scalograms are compared. Results: Results of the application of the proposed methods to HRV signal databases, and performance comparisons, are presented. The results show that scalographic indicators have superior discriminatory power than conventional time-domain indicators. Based on an analysis of statistical significance, we show that the average power of the high-frequency band of the scalogram power spectral density is the indicator with greatest discriminatory power (p < 0,05 for all 3 cases). Conclusion: The proposed method has the ability to discriminate between normal subjects, subjects with Chagas cardiomyopathy, and subjects with the indeterminate form of Chagas’ disease. It was observed that scalographic neural networks present greater discrimination ability than temporal neural networks.Faculdade UnB Gama (FGA)SBEB - Sociedade Brasileira de Engenharia Biomédica2014-11-26T13:33:30Z2014-11-26T13:33:30Z2013info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfSOUZA NETO, João et al. Sistema de apoio ao diagnóstico da Doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis. Rev. Bras. Eng. Bioméd., Rio de Janeiro , v. 29, n. 3, set. 2013 . Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1517-31512013000300004&lng=pt&nrm=iso>. Acesso em: 30 maio 2014.http://repositorio.unb.br/handle/10482/17079https://dx.doi.org/10.4322/rbeb.2013.027Revista Brasileira de Engenharia Biomédica - Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons (Attribution-NonCommercial 3.0 Unported (CC BY-NC 3.0)). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1517-31512013000300004&lng=pt&nrm=iso. Acesso em: 30 maio 2014.info:eu-repo/semantics/openAccessSouza Neto, JoãoCarvalho, João Luiz Azevedo deRocha, Adson Ferreira daJunqueira Junior, Luiz FernandoNascimento, Francisco Assis de Oliveiraporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-08-21T18:26:09Zoai:repositorio.unb.br:10482/17079Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-08-21T18:26:09Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
Computer-aided system for diagnosis of Chagas’ disease based on scalograms and self-organizing neural networks
title Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
spellingShingle Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
Souza Neto, João
Chagas, Doença de
Escalograma
Wavelets (Matemática)
Redes neurais
title_short Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
title_full Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
title_fullStr Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
title_full_unstemmed Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
title_sort Sistema de apoio ao diagnóstico da doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis
author Souza Neto, João
author_facet Souza Neto, João
Carvalho, João Luiz Azevedo de
Rocha, Adson Ferreira da
Junqueira Junior, Luiz Fernando
Nascimento, Francisco Assis de Oliveira
author_role author
author2 Carvalho, João Luiz Azevedo de
Rocha, Adson Ferreira da
Junqueira Junior, Luiz Fernando
Nascimento, Francisco Assis de Oliveira
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Souza Neto, João
Carvalho, João Luiz Azevedo de
Rocha, Adson Ferreira da
Junqueira Junior, Luiz Fernando
Nascimento, Francisco Assis de Oliveira
dc.subject.por.fl_str_mv Chagas, Doença de
Escalograma
Wavelets (Matemática)
Redes neurais
topic Chagas, Doença de
Escalograma
Wavelets (Matemática)
Redes neurais
description Introdução: A Doença de Chagas é uma endemia rural, prevalente em grande parte da América Central e América do Sul e, aproximadamente, metade dos pacientes contaminados com o parasita Trypanosoma cruzi não apresentam sinais clínicos, eletrocardiográficos e radiológicos de envolvimento cardíaco. Este trabalho, entretanto, propõe uma técnica de auxílio ao diagnóstico da Doença de Chagas baseada em sinais de eletrocardiografia, que extrai informações relevantes desses sinais. Métodos: Duas abordagens são estudadas e implementadas. Ambas utilizam sinais de variabilidade da frequência cardíaca (VFC) e classificação por meio de rede neural, mais especificamente, o mapa auto-organizável de Kohonen. A VFC, que reflete a modulação neural autonômica simpática e parassimpática do coração, é avaliada com base em séries contínuas de intervalos RR do ECG convencional registradas durante 5 minutos. Na primeira abordagem, indicadores estatístico-temporais obtidos diretamente dos sinais de VFC são utilizados como entrada da rede neural para treinamento e teste do método de classificação. Na segunda proposta, são utilizados escalogramas wavelet com função de base DoG (derivative of Gaussian) para avaliação dos sinais de VFC. Indicadores obtidos dos escalogramas são utilizados como entrada da rede neural no treinamento e no teste do algoritmo. Os mapas topológicos de Kohonen são utilizados para comparar a capacidade dos indicadores calculados dos sinais de VFC em discriminar pacientes chagásicos cardiopatas, chagásicos indeterminados e indivíduos normais. Os indicadores temporais convencionais e os indicadores escalográficos são comparados. Resultados: Os resultados mostram que os indicadores escalográficos têm poder discriminatório estatisticamente superior aos indicadores temporais convencionais. Em particular, a potência média da densidade de potência do escalograma na banda de altas frequências mostrou ser estatisticamente o indicador de maior poder discriminatório (p < 0,05 para os 3 casos). Conclusão: A metodologia proposta mostrou-se capaz de distinguir entre indivíduos normais, chagásicos cardiopatas e chagásicos indeterminados. Os índices escalográficos propostos mostraram maior capacidade classificatória que os índices temporais tradicionais.
publishDate 2013
dc.date.none.fl_str_mv 2013
2014-11-26T13:33:30Z
2014-11-26T13:33:30Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv SOUZA NETO, João et al. Sistema de apoio ao diagnóstico da Doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis. Rev. Bras. Eng. Bioméd., Rio de Janeiro , v. 29, n. 3, set. 2013 . Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1517-31512013000300004&lng=pt&nrm=iso>. Acesso em: 30 maio 2014.
http://repositorio.unb.br/handle/10482/17079
https://dx.doi.org/10.4322/rbeb.2013.027
identifier_str_mv SOUZA NETO, João et al. Sistema de apoio ao diagnóstico da Doença de Chagas baseado em escalogramas e redes neurais auto-organizáveis. Rev. Bras. Eng. Bioméd., Rio de Janeiro , v. 29, n. 3, set. 2013 . Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1517-31512013000300004&lng=pt&nrm=iso>. Acesso em: 30 maio 2014.
url http://repositorio.unb.br/handle/10482/17079
https://dx.doi.org/10.4322/rbeb.2013.027
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 SBEB - Sociedade Brasileira de Engenharia Biomédica
publisher.none.fl_str_mv SBEB - Sociedade Brasileira de Engenharia Biomédica
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508308220870656