???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/3700
Tipo do documento: Dissertação
Título: Classificação de subclasses de fibrilação atrial utilizando estatística de alta ordem e aprendizado de máquina
Título(s) alternativo(s): Classification of atrial fibrillation subclasses using high-order statistics and machine learning
Autor: BARROS, Luis Fillype da Silva Lago Cutrim 
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: O eletrocardiograma (ECG) é um procedimento simples e rotineiro de grande importância para o diagnóstico de patologias cardíacas. Esse exame nos fornece uma representação gráfica da atividade elétrica do coração, que resulta em sua interpretação, pois apresenta ondas, segmentos e possíveis intervalos para mensuração e identificação das alterações presentes no órgão cardíaco. Esta dissertação tem como objetivo desenvolver um modelo de classificação baseado nos batimentos de quatro grupos de indivíduos: com fibrilação atrial paroxística, fibrilação atrial intracardíaca, fibrilação atrial e ritmo sinusal normal. A metodologia de extração de características baseada na amplificação das características, a fim de classificar indivíduos com Fibrilação Atrial, seus subtipos e saudáveis, com e sem o uso da técnica de Análise de Componentes Independentes (ICA). As classificações foram realizadas com base nas características das estatísticas das quatro bases de dados, avaliando as métricas dos algoritmos K-vizinhos mais próximos (KNN), Máquina de vetores de suporte (SVM), Rede Neural Artificial, (RNA), obtendo acurácia de 93,4% a 99,85%.
Abstract: The electrocardiogram (ECG) is a simple and routine procedure of great importance for the diagnosis of cardiac pathologies. This exam gives us a graphic representation of the electrical activity of the heart, which results in its interpretation, as waves, segments and possible intervals for measuring and identifying the changes it presents in the cardiac organ. This dissertation aims to develop a classification model based on the beats of four groups of desired: with paroxysmal atrial fibrillation, intracardiac atrial fibrillation, atrial fibrillation and normal sinus rhythm. The methodology of extraction of characteristics based and adapted to classify with Atrial Fibrillation, its subtypes and healthy, with and without the use of the Independent Component Analysis (ICA) technique. As evaluated, they were evaluated based on the characteristics of the statistics of the four databases, evaluating as metrics the K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Artificial Neural Network (ANN) algorithms, obtaining accuracy of 93.4% to 99.85%.
Palavras-chave: fibrilação atrial;
eletrocardiograma;
aprendizado de máquina;
estatística;
atrial eibrillation;
eletrocardiogram;
machine learning;
statistics.
Área(s) do CNPq: 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: BARROS, Luis Fillype da Silva Lago Cutrim. Classificação de subclasses de fibrilação atrial utilizando estatística de alta ordem e aprendizado de máquina. 2022. 72 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/3700
Data de defesa: 18-Feb-2022
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
LuisFillype.pdfDissertação de Mestrado2,1 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.