Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
Autor(es): dc.contributor | Agulhari, Cristiano Marcos | - |
Autor(es): dc.contributor | Bugatti, Pedro Henrique | - |
Autor(es): dc.creator | Franco, Ana Lívia | - |
Data de aceite: dc.date.accessioned | 2025-08-29T11:59:47Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T11:59:47Z | - |
Data de envio: dc.date.issued | 2025-04-16 | - |
Data de envio: dc.date.issued | 2025-04-16 | - |
Data de envio: dc.date.issued | 2021-05-16 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36552 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1087087 | - |
Descrição: dc.description | Cardiovascular diseases are the main causes of human mortality, among them, cardiac arrhythmia stands out, characterized by the absence of rhythm in the heartbeat. In order to prevent the number of patients with the disease from getting worse, the regular heart rate monitoring is desirable. The diagnosis of arrhythmia is made especially using the electrocardiogram (ECG), responsible for recording an individual's cardiac activities. For this, specialists must perform a visual analysis of the biomedical signals generated in the ECG recordings, which makes the diagnosis a long and exhaustive process. Thus, the automatic classification of cardiac arrhythmias can assist specialists in generating faster and more accurate medical reports. Deep learning techniques have been widely used in the field of bioinformatics, since they have shown satisfactory results in pattern recognition and processing of large datasets. Therefore, the present work proposes the development of an approach for the automatic classification of cardiac arrhythmias, considering ECG signals, as well as images obtained from these signals, through one-dimensional (1D) and two-dimensional (2D) convolutional neural networks (CNNs). As a result, 109,446 ECG images were obtained, which were used to train a 2D CNN that achieved an average accuracy of 82.86%. In contrast, ECG signals were used as input to a CNN 1D, with architecture similar to the proposed CNN 2D, which obtained 98.55% of average accuracy and an index of 0.9824299896 according to Youden statistics. In this context, the results of the present study indicate that the use of CNNs for the classification of cardiac arrhythmias can present satisfactory performance, and can be used as an aid in obtaining medical diagnoses. | - |
Descrição: dc.description | As doenças cardiovasculares são as principais causas da mortalidade humana, dentre elas destaca-se a arritmia cardíaca, caracterizada pela ausência de ritmo dos batimentos cardíacos. Diante disso, a fim de evitar que o quadro de pacientes com a doença se agrave, é desejável o monitoramento regular do ritmo cardíaco. O diagnóstico de arritmia é dado especialmente pelo Eletrocardiograma (ECG), responsável por registrar as atividades elétricas cardíacas de um indivíduo. Para tanto, especialistas devem realizar análises visuais dos sinais biomédicos gerados a partir das gravações de ECG, o que faz com que o diagnóstico se torne um processo longo e exaustivo. Sendo assim, a classificação automática de arritmias cardíacas pode auxiliar especialistas na geração de laudos mais rápidos e precisos. Além disso, técnicas de aprendizado profundo têm sido amplamente utilizadas na área de bioinformática, uma vez que essas apresentam resultados satisfatórios no reconhecimento de padrões e processamento de grandes conjuntos de dados. Portanto, o presente trabalho propõe o desenvolvimento de uma abordagem para a classificação automática de arritmias cardíacas, a partir de sinais de ECG, bem como de imagens obtidas desses sinais, por meio de Redes Neurais Convolucionais (CNNs) unidimensionais (1D) e bidimensionais (2D). Como resultado, foram obtidas 109446 imagens de ECG, as quais foram utilizadas para treinar uma CNN 2D que alcançou acurácia média de 82,86%. Por outro lado, sinais de ECG foram utilizados como entrada para uma CNN 1D, com arquitetura similar à CNN 2D proposta, a qual obteve 98,55% de acurácia média e índice de 0,9824299896 pela estatística de Youden. Nesse contexto, os resultados do presente trabalho indicam que a utilização de CNNs para a classificação de arritmias cardíacas pode apresentar desempenho satisfatório, podendo ser empregada como auxílio na obtenção de diagnósticos médicos. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Cornelio Procopio | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-NonCommercial 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Arritmia | - |
Palavras-chave: dc.subject | Redes Neurais (Computação) | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Arrhythmia | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS | - |
Título: dc.title | Classificação de arritmias cardíacas por meio de redes neurais convolucionais unidimensionais e bidimensionais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: