Navegando por Assunto "Rede neural convolucional"

Agora exibindo 1 - 3 de 3

Acesso aberto (Open Access)
Classificação de arritmias cardíacas através de uma estrutura competitiva de redes neurais convolucionais autoassociativas
(Universidade Federal do Pará, 2023-05-11) CORRÊA FILHO, Sérgio Teixeira; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
Este trabalho apresenta a proposta de um sistema para classificação de arritmias cardíacas baseado em uma estrutura competitiva de Redes Neurais Convolucionais Autoassociativas. Três redes neurais foram treinadas para reconstruir sinais de Eletrocardiograma (ECG) para casos de pacientes com batimento supraventricular, ventricular e normal. Após o treinamento, as redes foram alocadas em uma estrutura paralela competitiva para classificação de arritmias. O banco de dados público de arritmia MIT-BIH de sinais ECG foi utilizado para o treinamento e testes das redes, sendo que para cada sinal ECG, de cada paciente, foram extraídos os complexos QRS dos batimentos cardíacos, que foram as características utilizadas como entrada para o sistema, sendo que estes sinais, que se encontravam em formato de sinais temporais (1D), foram transformados para imagens digitais (2D) com o objetivo de utilizar a capacidade das redes neurais convolucionais para reconhecimento de padrões e extração de características em imagens. Para desenvolvimento e análise de desempenho da estrutura proposta foram usados dois paradigmas que vêm sendo utilizados em trabalhos já apresentados na literatura: paradigma interpaciente e paradigma intrapaciente, sendo que o sistema obteve uma acurácia de 96,97%, sensibilidade de 96,30% e precisão de 93,59% para o caso intrapaciente e acurácia de 94,05%, sensibilidade de 70,43% e precisão de 65,74% para o caso interpaciente. Uma análise comparativa com resultados de sistemas de classificação de arritmia já apresentados na literatura mostra que o sistema proposto apresentou resultados próximos ou em alguns casos melhores que os já obtidos, mostrando assim a aplicabilidade da estrutura proposta para o problema.
Acesso aberto (Open Access)
Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
(Universidade Federal do Pará, 2019-04-17) BAIA, Alexandre Farias; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
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.
Acesso aberto (Open Access)
Redes neurais profundas aplicadas ao diagnóstico de faltas incipientes em transformadores imersos em óleo isolante.
(Universidade Federal do Pará, 2019-09-11) MORAES, Hugo Riviere Silva; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860
Realizar o diagnóstico de faltas incipientes em transformadores mostra-se um grande desafio pois, devido à variabilidade das condições em que ocorrem as faltas, torna-se muito difícil definir a origem e o tipo de falta. Métodos convencionais baseados na análise dos gases dissolvidos em óleo vêm sendo utilizados pelas empresas para realizar o diagnóstico de faltas, porém, estes métodos ainda necessitam ser aplicados em conjunto para se chegar a um resultado satisfatório, além de dependerem bastante do conhecimento de um especialista da área. Visando solucionar as dificuldades relacionadas aos métodos convencionais, alguns sistemas baseados em Inteligência Computacional vêm sendo propostos na literatura e têm apresentado resultados promissores. Considerando a importância do diagnóstico de faltas em transformadores, este trabalho apresenta os resultados do estudo desenvolvido da aplicação de Redes Neurais profundas ao diagnóstico de faltas. Dois modelos são propostos utilizando Redes Neurais Convolucionais e Redes Neurais Autocodificadoras Empilhadas. Para o desenvolvimento dos sistemas foi utilizada a base de dados TC 10 com situações de transformadores faltosos. Esta base foi utilizada para desenvolvimento do método IEC 60599, que é um dos principais métodos usados pelas concessionárias de energia para diagnóstico de transformadores através da análise dos gases dissolvidos em óleo. Os resultados promissores alcançados com os dois modelos propostos (acurácia de 100% na base de teste) se sobressaíram a outros encontrados na literatura, mostrando a grande aplicabilidade das redes neurais profundas ao problema de diagnóstico de faltas incipientes de transformadores. Portanto, mostra-se uma melhor alternativa que os métodos convencionais geralmente utilizados.