
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.creator | Dias, Guilherme Lopes | - |
| Autor(es): dc.creator | Mota, Frederico Lucas de Oliveira | - |
| Autor(es): dc.creator | Barbosa, Bruno Henrique Groenner | - |
| Autor(es): dc.creator | Ferreira, Danton Diego | - |
| Autor(es): dc.creator | Lippi Neto, Ernesto | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:39:18Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:39:18Z | - |
| Data de envio: dc.date.issued | 2019-09-13 | - |
| Data de envio: dc.date.issued | 2019-09-13 | - |
| Data de envio: dc.date.issued | 2018 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/36799 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1165640 | - |
| Descrição: dc.description | The diagnosis based on pulmonary auscultation is a routine activity in medical care. However, it is a highly dependent user technique and requires a quiet ambient. In this sense it is interesting that there are systems capable of assisting the medical diagnosis in relation to the auscultation sound. In this way several works using computational intelligence have been made for the processing of these pulmonary sounds and thus, together with the user experience, make possible a more reliable diagnosis. This work presents an approach to classify pulmonary sounds initially between vesicular and adventitious, and adventitious sounds are classified into six classes: monophonic and polyphonic wheeze, coarse and fine crackles, stridor and pleural rubs. The approach is based on Fast Fourier Transform (FFT) and Vector Support Machine (SVM). To extract the characteristics of the sounds, we used the FFTs which are then evaluated by means of a Genetic Algorithm that works in accordance with the best linear classification kernel SVM. It was possible to classify pulmonary sounds among the seven classes with results from 93, 3 ± 1, 6% to 100, 0 ± 0, 0%. | - |
| Descrição: dc.description | https://ssl4799.websiteseguro.com/swge5/PROCEEDINGS/PDF/CBA2018-0651.pdf | - |
| Descrição: dc.description | O diagn´ostico pautado na ausculta pulmonar ´e atividade corriqueira no atendimento m´edico. No entanto, ´e uma t´ecnica altamente dependente do usu´ario, al´em de requerer um ambiente silencioso. Nesse sentido ´e interessante que hajam sistemas capazes de auxiliar o diagn´ostico m´edico em rela¸c˜ao ao som da ausculta. Dessa forma diversos trabalhos utilizando inteligˆencia computacional tˆem sido feitos para o processamentos desses sons pulmonares e assim possibilitar, aliado a experiˆencia do usu´ario, um diagn´ostico mais confi´avel. Este trabalho apresenta uma abordagem de classifica¸c˜ao dos sons pulmonares inicialmente entre vesicular e advent´ıcio, al´em disso os sons advent´ıcios s˜ao classificados entre seis classes: sibilo monofˆonico e polifˆonico, estertor grosso e fino, estridor e atrito pleural. A abordagem ´e baseada em Transformada R´apida de Fourier (FFT) e M´aquina de Vetores Suporte (SVM). Para extra¸c˜ao de caracter´ısticas dos sons utilizou-se as FFTs que ent˜ao s˜ao avaliadas por meio de um Algoritmo Gen´etico que trabalha em consonˆancia com o melhor score de classifica¸c˜ao da SVM com kernel linear. Foi poss´ıvel a classifica¸c˜ao dos sons pulmonares entre as sete classes com resultados variando entre 93, 3 ± 1, 6% `a 100, 0 ± 0, 0%. | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | restrictAccess | - |
| Palavras-chave: dc.subject | Pulmonary sounds | - |
| Palavras-chave: dc.subject | Suport vector machine | - |
| Palavras-chave: dc.subject | Computational intelligence | - |
| Palavras-chave: dc.subject | Fast fourier transform (FFT) | - |
| Palavras-chave: dc.subject | Sons pulmonares | - |
| Palavras-chave: dc.subject | Máquina de vetor de suporte | - |
| Palavras-chave: dc.subject | Inteligência computacional | - |
| Palavras-chave: dc.subject | Transformada rápida de Fourier | - |
| Título: dc.title | Classificador de sons pulmonares: uma abordagem baseada em FFT e maquina de vetor de suporte | - |
| Tipo de arquivo: dc.type | Trabalho apresentado em evento | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: