Use este identificador para citar ou linkar para este item: http://dspace.mackenzie.br/handle/10899/13060
Tipo do documento: Dissertação
Título: Detecção e classificação de arritmias em eletrocardiogramas usando transformadas wavelets, máquinas de vetores de suporte e rede Bayesiana
Autor: Rodrigues, Luiz Carlos Ferreira
Primeiro orientador: Marengoni, Maurício
Primeiro membro da banca: Lopes, Paulo Batista
Segundo membro da banca: Thomaz, Carlos Eduardo
Resumo: As cardiopatias são atualmente, segundo o Ministério da Saúde, a segunda maior causa de mortalidade entre brasileiros, ficando atrás apenas das doenças cerebrovasculares. A motivação do trabalho aqui apresentado é a identificação e classificação de cardiopatias registradas em exames de Eletrocardiograma, o ECG, tais como contrações prematuras, bloqueio de ramos, taquicardias e outros distúrbios de ritmo. Devido a sua fácil aplicação e baixo custo, o ECG é um dos recursos mais largamente utilizados por pesquisadores e profissionais da saúde na avaliação da saúde do coração. A aplicação computacional desenvolvida neste estudo concentra-se no uso de Transformadas Wavelets para o processamento digital dos sinais de ECG, na extração das características morfológicas, dinâmicas e espectrais de ciclos do sinal e na submissão dessas características a duas Máquinas de Vetores de Suporte (SVM). Os resultados das SVM's são combinadas em uma Rede Bayesiana para a identificação e classificação das cardiopatias. As características morfológicas de cada ciclo do sinal são extraídas através de Análise de Componentes Principais (PCA), as características espectrais são extraídas através da decomposição do sinal em coeficientes de Transformadas Wavelets enquanto as características dinâmicas são definidas pelos intervalos entre o máximo global de cada ciclo. Para desenvolvimento, testes e validação da aplicação foi utilizado o Banco de Arritmias MIT-BIH, disponibilizado pelo Massachusetts Institute of Technology (MIT). Neste trabalho demonstramos que a aplicação desenvolvida é capaz de reconhecer e classificar 8 tipos de batimentos cardíacos em registros de ECG, com uma acurácia média total de classificação superior a 95,0%.
Abstract: The cardiopathies are currently, according the Ministério da Saúde, the second biggest cause of mortality among the Brazilians, behind only the brain vascular diseases. The motivation for the work here presented is the identification and classification of cardiopathies registered in Electrocardiogram exams, ECG, such as premature contractions, branches blocks, tachycardia and other rhythms disturbance. Due its easy application and low cost, the ECG is one of the resources more commonly used by researchers and health professionals in the assessment of cardiac conditions. The computational application developed in this study relies in the application of Wavelets Transforms for the digital signal processing of ECG, in extracting the morphologic characteristics, dynamics and spectral of the cycles of the signal and in the submission of these characteristics to two Support Vector Machines (SVM). The output of these two SVM's are combined as input to a Bayesian Network for the identification and classification of the cardiopathies. The characteristic of each cycle, morphologic and spectral, has it dimensionality reduced by Principal Component Analysis (PCA). The spectral characteristics are extracted by the extractions of the Wavelets Transforms coefficients of the signal, whilst the dynamics characteristics are defined by the interval between the global maxima of each cycle. For development, testings and validations of the application we utilize the MIT-BIH Arrhythmia database, made available by Massachusetts Institute of Technology (MIT). At the end of this work we demonstrate that the application is able to recognize and classify 8 types of heart beats in ECG records, with an medium accuracy above 95,0%.
Palavras-chave: ECG (Eletrocardiograma);  complexo QRS;  wavelets;  SVM (Support Vector Machines);  rede Bayesiana;  ECG (electrocardiogram);  QRS complex;  wavelets;  SVM (Support Vector Machines);  Bayesian networks
Área(s) do CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS
Idioma: por
País: BR
Instituição: Universidade Presbiteriana Mackenzie
Sigla da instituição: UPM
Departamento: Engenharia Elétrica
Programa: Engenharia Elétrica
Tipo de acesso: Acesso Aberto
URI: http://tede.mackenzie.br/jspui/handle/tede/1417
http://dspace.mackenzie.br/handle/10899/13060
Data de defesa: 2-Mar-2012
metadata.dc.bitstream.url: http://tede.mackenzie.br/jspui/bitstream/tede/1417/1/Luiz%20Carlos%20Ferreira%20Rodrigues.pdf
Aparece nas coleções:Engenharia Elétrica - Dissertações - EE Higienópolis

Arquivos associados a este item:
Não existem arquivos associados a este item.


Este arquivo é protegido por direitos autorais



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.