Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/11251
Compartilhar:
Type: Dissertação
Issue Date: 17-Apr-2019
Authors: BAIA, Alexandre Farias
First Advisor: CASTRO, Adriana Rosa Garcez
Title: Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
Other Titles: Competitive structure of self-associative convolutional neural networks for arrhythmia classification
Sponsor: CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Citation: BAIA, Alexandre Farias. Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias. Orientadora: Adriana Rosa Garcez Castro. 2019. 71 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11251. Acesso em:.
Resumo: Este trabalho apresenta a proposta de dois sistemas automáticos para auxílio à detecção de anomalias em batimentos cardíacos e apoio à decisão médica. Os sistemas foram desenvolvidos para a identificação de arritmia rítmica e arritmias morfológicas a partir de sinais obtidos de um Eletrocardiograma (ECG). Ambos os sistemas são baseados em uma estrutura competitiva de Redes Neurais Convolucionais (CNN) Auto-associativas, sendo que cada rede foi treinada para reconstrução dos sinais apresentados na sua entrada. Para o caso do classificador rítmico, o sistema foi desenvolvido a partir do uso dos sinais do ECG, sem passar por um processo de extração de características, e para o caso do classificador morfológico o sistema se baseou no complexo QRS extraído do sinal de ECG. Para desenvolvimento e teste dos sistemas foi utilizada a base de dados MIT-BIH Arrhythmia de sinais ECG. Uma acurácia de 88,9% foi alcançada para o Classificador Rítmico e de 81,73% para o Classificador Morfológico, no caso em que se considera a base de testes para avaliação. Os resultados obtidos demonstram a aplicabilidade das estruturas competitivas propostas para o problema de classificação de arritmias.
Abstract: This work presents the proposal of two automatic systems to aid in the detection of anomalies in heart beats and medical decision support. The systems were developed for the identification of rhythmic arrhythmia and morphological arrhythmias from signals obtained from an electrocardiogram (ECG). Both systems are based on a competitive structure of Convolutional Autoencoders (CAE), and each network was trained to reconstruct the signals presented at its entrance. For the case of the rhythmic classifier, the system was developed from the use of the ECG signals, without undergoing a feature extraction process, and for the case of the morphological classifier, the system was based on the QRS complex extracted from the ECG signal. For the development and testing of the systems, the database MIT-BIH Arrhythmia of ECG signals was used. An accuracy of 88.9% was achieved for the Rhythmic Classifier and 81.73% for the Morphological Classifier, in the case in which the evaluation basis is considered. The results obtained demonstrate the applicability of the proposed competitive structures to the arrhythmia classification problem.
Keywords: Rede neural convolucional
ECG
Eletrocardiograma
Arritmias
Rede auto-associativa
Concentration Area: COMPUTAÇÃO APLICADA
Research Line: INTELIGÊNCIA COMPUTACIONAL
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Country: Brasil
Publisher: Universidade Federal do Pará
Institution Acronym: UFPA
Department: Instituto de Tecnologia
Program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Source: 1 CD-ROM
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_EstruturaCompetitivaRedes.pdf6,42 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons