Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tedebc.ufma.br/jspui/handle/tede/tede/1293
Registro completo de metadados
Campo DCValorIdioma
dc.creatorOLIVEIRA jÚNIOR, Alfredo Costa-
dc.creator.Latteshttp://lattes.cnpq.br/6633640316115841por
dc.contributor.advisor1BARROS FILHO, Allan Kardec Duailibe-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0492330410079141por
dc.date.accessioned2017-04-17T11:57:59Z-
dc.date.issued2017-02-16-
dc.identifier.citationOLIVEIRA jÚNIOR, Alfredo Costa. Classificação de Fibrilação Atrial utilizando Curtose. 2017. [57 folhas]. Dissertação( PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET) - Universidade Federal do Maranhão, [São Luis] .por
dc.identifier.urihttp://tedebc.ufma.br:8080/jspui/handle/tede/1293-
dc.description.resumoA Fibrilação atrial (FA) é uma das arritmias cardíacas mais comuns em todo o mundo. Por isso, amplos são os esforços para implementar sistemas que apoiem o diagnóstico de FA. A principal forma não invasiva de avaliar a saúde cardíaca, é através da análise do sinal de eletrocardiograma (ECG), o qual representa a atividade elétrica do músculo cardíaco, e possui marcações temporais características: as ondas P, Q, R, S e T. Alguns autores utilizaram técnicas de filtragem, análise estatística e até redes neurais para detectar FA com base no intervalo RR, que é dado pela diferença temporal entre os picos da onda R. Entretanto, a análise do intervalo RR permite avaliar apenas as variações que ocorrem na onda R do sinal de ECG, não permitindo avaliar, por exemplo, as alterações na onda P, provocadas pela FA. Diante disso, propõe-se caracterizar a amplitude do sinal de ECG, a fim de classificar pacientes com FA e saudáveis. Na metodologia proposta, o sinal de ECG, foi analisado por meio das seguintes estatísticas: variância, assimetria e curtose. Para avaliar o classificador proposto, usou-se sinais obtidos das bases de dados MIT-BIH Atrial Fibrillation e MIT-BIH Normal Sinus Rhythm referentes aos pacientes com FA e com ritmo cardíaco normal, respectivamente. Dentre as estatísticas analidadas, a curtose foi a que apresentou resultados superiores em termos de sensibilidade (Se = 100%), especificidade (Sp = 88, 33%) e acurácia (Ac = 91, 33%). Esses resultados são de se esperar pelo fato de que a curtose é uma medida de não-gaussianidade e que o sinal de ECG possui distribuição esparsa. A metodologia proposta também requer um número menor de etapas de pré-processamento, e sua simplicidade permite implementações em sistemas embarcados que apoiarão o diagnóstico clínico.por
dc.description.abstractAtrial fibrilation(AF) is one of the most common cardiac arrhythmias worldwide. Thus, there are ample efforts to implement AF diagnosis systems. The main noninvasive way to assess cardiac health is through electrocardiogram (ECG) signal analysis, which represents the electrical activity of the cardiac muscle, and has characteristic temporal markings: P, Q, R, S and T waves. Some authors use filtering techniques, statistical analysis and even neural networks for detecting AF based on the RR interval, that is given by the temporal difference between the peaks of the R wave. However, analises of the RR interval allows for evaluating changes occurring only in the R wave of the ECG signal, not allowing to assess, for example, variations in the P wave provoked by the AF. In face of that, we propose characterize the ECG signal amplitude aiming at classifying both healthy and AF patients. The ECG signal was analyzed in the proposed methodology through the following statistics: variance, asymmetry, and kurtosis. Herein, we use the MIT-BIH Atrial Fibrillation and MIT-BIH Normal Sinus Rhythm database signals to evaluate AF and normal heartbeat intervals. Our study shown that kurtosis outperfomed variance and asymmetry with respect to sensibility (Se = 100%), specificity (Sp = 88.33%) and accuracy (Ac = 91.33%). The results were expected since kurtosis is a non-Gaussian measure and the ECG signal has sparse distribution. The proposed methodology also requires a lower number of pre-processing stages, and its simplicity allows for implementations in imbedded systems supporting the clinical diagnosis.eng
dc.description.provenanceSubmitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-17T11:57:59Z No. of bitstreams: 1 Alfredo Costa Oliveira Júnior.pdf: 789446 bytes, checksum: c5c9858983f5e6384177bda8d1ae2a0a (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-04-17T11:57:59Z (GMT). No. of bitstreams: 1 Alfredo Costa Oliveira Júnior.pdf: 789446 bytes, checksum: c5c9858983f5e6384177bda8d1ae2a0a (MD5) Previous issue date: 2017-02-16eng
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectEstrutura do sinal de ECG; sinais esparsos;estatística de alta ordem;apoio ao diagnósticopor
dc.subjectStructure of the ECG signal;Sparse signals;Statistical high order; Diagnostic supporteng
dc.subject.cnpqEngenharia Médicapor
dc.titleClassificação de Fibrilação Atrial utilizando Curtosepor
dc.title.alternativeClassification of Atrial Fibrillation using Curtosiseng
dc.typeDissertaçãopor
Aparece nas coleções:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Alfredo Costa Oliveira Júnior.pdfDissertação de Mestrado770,94 kBAdobe PDFBaixar/Abrir Pré-Visualizar


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