@MASTERSTHESIS{ 2022:1637744023,
 	title = {Classificação de subclasses de fibrilação atrial utilizando estatística de alta ordem e aprendizado de máquina},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3700",
 	abstract = "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%.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}