Navegando por Assunto "Mecanismo de atenção"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Classificação automática de arritmias cardíacas através de redes neurais convolucionais multimodais com mecanismo de atenção
(Universidade Federal do Pará, 2025-02-19) DI PAOLO, Ítalo Flexa; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860; https://orcid.org/0000-0001-5884-4511; ARAÚJO, Jasmine Priscyla Leite de; OLIVEIRA, Roberto Célio Limão de; PONTE, Márcio José Moutinho da; OHASHI JÚNIOR, Orlando Shigueo; http://lattes.cnpq.br/4001747699670004; http://lattes.cnpq.br/4497607460894318; http://lattes.cnpq.br/4760076685971693; http://lattes.cnpq.br/8905793797626608; https://orcid.org/0000-0003-3514-0401; https://orcid.org/0000-0002-6640-3182; https://orcid.org/0000-0002-0724-3721; xxx
O eletrocardiograma (ECG) é uma tecnologia não invasiva capaz de registrar os batimentos cardíacos, sendo a técnica mais utilizada para o diagnóstico de doenças do coração. Dentre as doenças que podem ser diagnosticadas, a arritmia cardíaca é uma das cardiopatias mais comuns, sendo caracterizada pela ocorrência de batimentos cardíacos irregulares. Entretanto, a interpretação de longos registros de sinais de ECG é uma tarefa cansativa e desafiadora, quando feita de forma visual, que pode demandar tempo por parte dos médicos especialistas. A evolução da tecnologia e da inteligência artificial tem permitido avanços para o estudo e desenvolvimento de sistemas automáticos para auxílio ao diagnóstico médico. Dentro desse contexto, esta tese visa apresentar a proposta de uma estrutura para classificação de arritmias cardíacas baseada em uma Rede Neural Convolucional (CNN) multimodal com mecanismo de atenção. A estrutura recebe como entrada segmentos de sinal ECG transformados em imagens a partir das técnicas Hilbert Space Filling Curve (HSFC) e Recurrence Plot (RP) e foi desenvolvida e avaliada a partir do banco de dados público MIT-BIH e PTB, seguindo as diretrizes da AAMI (ANSI/AAMI EC57) e considerando os paradigmas interpaciente e intrapaciente. Devido ao alto desbalanceamento de classes nos bancos de dados, técnicas complementares de aumento de dados foram avaliadas durante a fase de experimentos, destacando-se duas: SMOTE e WGAN-GP. Os resultados alcançados, considerando variações na entrada daestrutura relacionadas ao número de derivações do ECG (derivação MLII e V + MLII), podem ser considerados competitivos com trabalhos apresentados no estado da arte, com destaque para os resultados da estrutura para duas derivações do ECG, tendo obtido, para a base MIT-BIH, no paradigma intrapaciente, 99,72%, 98,19%, 97,26%, 99,34% e 97,72% de acurácia global, precisão, sensibilidade, especificidade e F1-Score, respectivamente. No paradigma interpaciente, os resultados atingidos foram de 98,48%, 94,15%, 80,23%, 96,34% e 81,91%, respectivamente.
Acesso aberto (Open Access)
Classificação de arritmias cardíacas via rede neural convolucional com mecanismo de atenção local
(Universidade Federal do Pará, 2025-09-22) RAMOS, Daniel Dantas do Amaral; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860; https://orcid.org/0000-0001-5884-4511; OLIVEIRA, Roberto Célio Limão de; OHASHI JÚNIOR, Orlando Shigueo; http://lattes.cnpq.br/4497607460894318; http://lattes.cnpq.br/8905793797626608; https://orcid.org/0000-0002-6640-3182
As arritmias cardíacas representam alterações no ritmo ou frequência dos batimentos do coração e estão associadas a riscos significativos à saúde. O eletrocardiograma (ECG) permanece como o principal exame não invasivo para seu diagnóstico, sendo que a análise manual de longos registros é trabalhosa e sujeita a erros. Considerando as dificuldades provenientes da análise manual do sinais de ECG, sistemas automáticos de classificação de arritmias baseados em inteligência artificial vêm sendo propostos na literatura como alternativa promissora para apoio ao diagnóstico médico. Dentro deste contexto, este trabalho apresenta a proposta de um classificador automático de arritmias cardíacas baseado em Redes Neurais Convolucionais (CNN - Alexnet), com mecanismo de atenção local integrado a sua arquitetura, desenvolvido considerando o paradigma interpaciente. O estudo se concentrou na investigação e definição da técnica mais adequada, entre Gramian Angular Field (GAF) e Hilbert Space-Filling (HSFC), para a conversão dos sinais temporais de ECG em imagens, para serem utilizadas como entrada para a CNN e, em avaliar o impacto de diferentes configurações internas do mecanismo de atenção local proposto, especificamente no que diz respeito à escolha da função de ativação (Tangente Hiperbólica ou Sigmóide) e do tipo de kernel (fixo ou adaptativo). Para os experimentos foi utilizada a base de dados MIT-BIH Arrhythmia Database, sendo que o desempenho dos modelos treinados foi avaliado segundo medidas de desempenho padronizadas, como acurácia, precisão, sensibilidade, especificidade e F1-score. Os experimentos mostraram que a combinação GAF com função de ativação Tangente Hiperbólica e kernel adaptativo no módulo de atenção apresentou o melhor resultado, alcançando acurácia de 97,88