Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3540
Tipo do documento: | Dissertação |
Título: | Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina |
Título(s) alternativo(s): | A machine learning method for diagnosis of obstructive sleep apnea syndrome |
Autor: | SOARES, Brenda Irla Cardoso Feitosa |
Primeiro orientador: | BARROS FILHO, Allan Kardec Duailibe |
Primeiro membro da banca: | BARROS FILHO, Allan Kardec Duailibe |
Segundo membro da banca: | SANTANA, Ewaldo Eder Carvalho |
Terceiro membro da banca: | TOMAZ, Carlos Alberto Bezerra |
Resumo: | A Síndrome da Apneia Obstrutiva do Sono (SAOS) é caracterizada pela fragmentação e hipoxia repetitiva durante o sono, quando não diagnosticada e tratada da forma adequada se torna causa de complicações graves associadas a doenças cardiovasculares. O diagnóstico dessa síndrome requer um estudo clínico detalhado, denominado polissonografia, composto por uma série de exames, dificultando o processo de diagnóstico da SAOS. O exame de polissonografia é considerado padrão para diagnóstico e avaliação dos distúrbios respiratórios do sono, como o próprio nome sugere, este exame reúne diversos testes que realizam análise da atividade cerebral (EEG), cardíaca (ECG), ocular (EOG) e muscular (EMG). Devido à complexidade na realização da polissonografia, o presente trabalho objetiva classificar e diagnosticar dois grupos de indivíduos, saudáveis e com SAOS em grau leve, a partir dos sinais de ECG aplicados em rede neural MLP juntamente à análise de componentes principais (PCA). Ao utilizar a metodologia de extração de características, adaptada para diagnóstico da apneia obstrutiva do sono, os resultados foram amostrados em duas e três dimensões com classificação de 95% de acurácia. |
Abstract: | Obstructive sleep apnea syndrome (OSAS) is characterized by fragmentation and repetitive hypoxia during sleep, if this syndrome is not properly diagnosed and treated, it becomes the cause of serious complications such as cardiovascular problems. The diagnosis of this syndrome requires a detailed clinical examination called polysomnography, which consists of several tests that perform an analysis of brain (EEG), heart (ECG), muscle (EMG) and eye (EOG) activity. Due to the complexity of performing polysomnography, the present study aims to classify and diagnose two groups of subjects, healthy and with normal apnea, based on the use of ECG signals applied in a supervised machine learning algorithm along with Principal Component Analysis (PCA). Using the feature extraction methodology adapted for the diagnosis of obstructive sleep apnea, the results were sampled in two and three dimensions with 95% accuracy. |
Palavras-chave: | apneia; eletrocardiograma; polissonografia; diagnóstico. apnea; electrocardiogram; polysomnography; diagnosis. |
Área(s) do CNPq: | Automação Eletrônica de Processos Elétricos e Industriais Engenharia Elétrica Engenharia Elétrica |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET |
Citação: | SOARES, Brenda Irla Cardoso Feitosa. Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina. 2022. 78 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/3540 |
Data de defesa: | 22-Mar-2022 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
BrendaIrlaCardosoFeitosaSoares.pdf | Dissertação de Mestrado | 2,56 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.