
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 | Agulhari, Cristiano Marcos | - |
| Autor(es): dc.contributor | Agulhari, Cristiano Marcos | - |
| Autor(es): dc.contributor | Sampaio, Lucas Dias Hiera | - |
| Autor(es): dc.contributor | Scalassara, Paulo Rogério | - |
| Autor(es): dc.creator | Pereira, Gabriel Lechenco Vargas | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:06:41Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:06:41Z | - |
| 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/1/36571 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1107532 | - |
| Descrição: dc.description | Cardiovascular diseases are responsible for about one-third of annual deaths, being this number even higher in low-income populations. The development of computational methods to aid the diagnosis of these conditions can facilitate the discovery of it still in its initial phase, by reducing the specialized labor time required to analyze the data provided by exams. Algorithms capable of identifying patterns in large amounts of data are possible using techniques of Machine Learning, which gain more and more space by the growing amount of information generated and stored by devices worldwide. In this way, a set of Wavelet energy coefficients was used to conduct training for binary SVM classifiers, expecting to obtain a tool capable of detect arrhythmia artifacts on electrocardiogram signals. The project explores different non-binary SVM classification techniques to classify four distinct classes of electrocardiogram signals, which one refers to healthy cardiac sections, and the other 3 assigned to different arrhythmia categories. With an average recall of 84.6%, the Binary Tree of SVM presents a promising answer to these particular problem, although it may not be the most appropriate in a more practical setting. | - |
| Descrição: dc.description | Doenças cardiovasculares são responsáveis por cerca de um terço das mortes anuais, sendo esse número ainda maior em populações de baixa renda. O desenvolvimento de métodos computacionais para auxiliar no diagnóstico dessas doenças pode facilitar o descobrimento de enfermidades ainda em sua fase inicial, ao reduzir o tempo de mão de obra especializada necessária para analisar os dados fornecidos por exames. Algoritmos capazes de identificar padrões em grandes quantidades de dados são possíveis por meio de técnicas denominadas Aprendizado de Máquina, as quais ganham cada vez mais espaço pela crescente quantidade de informações geradas e armazenadas por dispositivos digitais em todo o mundo. Dessa forma, foi utilizado um conjunto de coeficientes de energia Wavelet para realizar o treinamento de classificadores SVM binários, esperando-se obter uma ferramenta capaz de detectar artefatos de arritmia em sinais de eletrocardiograma. O trabalho explora diferentes técnicas de classificação não binária com SVM para classificar quatro classes distintas de sinais de eletrocardiograma, as quais uma se refere aos trechos cardíacos saudáveis, e as outras 3 atribuídas para diferentes categorias de arritmia. Com um recall médio de 84.6%, a Binary Tree of SVM expõe uma resposta promissora para o problema em questão, apesar de poder não ser a mais adequada em um cenário mais prático. | - |
| 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 | Wavelets (Matemática) | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Eletrocardiografia | - |
| Palavras-chave: dc.subject | Wavelets (Mathematics) | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Electrocardiography | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS | - |
| Título: dc.title | Detecção de artefatos de arritmia utilizando máquinas de vetores de suporte e coeficientes de energia wavelet | - |
| 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: