Algoritmo de identificação automática dos batimentos cardíacos e reconhecimento das contrações ventriculares prematuras em ECG utilizando inteligência artificial

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTormena Junior, Osmar-
Autor(es): dc.contributorRossini, Flávio Luiz-
Autor(es): dc.contributorNeli, Roberto Ribeiro-
Autor(es): dc.contributorTormena Junior, Osmar-
Autor(es): dc.creatorSouza, Júlio Cesar Eduardo de-
Data de aceite: dc.date.accessioned2022-02-21T22:12:08Z-
Data de disponibilização: dc.date.available2022-02-21T22:12:08Z-
Data de envio: dc.date.issued2020-11-08-
Data de envio: dc.date.issued2020-11-08-
Data de envio: dc.date.issued2016-06-23-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/6070-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/669925-
Descrição: dc.descriptionThe aim of this paper is to develop an algorithm that can identify heart beats based on Pan & Tompkins’ work. The identified heart beats were used as a reference to extract the features for the KNN classifier used to recognize the premature ventricular contraction. It was changed in the Pan & Tompkins’ work, the band pass and derivative filters. A new stage was included that decides which peak in a range of 100 units is a R peak by analysing its amplitudes. The accuracy of the R peak algorithm was 99.66 %, sensibility of 99.78 % and positive prediction of 99.68 %. It was extracted from the hearts beat 46 features. Using genetic algorithm, this amount was reduced to 26. The accuracy of the algorithm 1NN was initially 80.70 % using all features. With 26 features chosen by the genetic algorithm, this accuracy was enhanced to 97.87%. To be possible to use the genetic algorithm, it was used only 36 % of the all data. After the feature selection, the R peaks identified was classified as PVC and not PVC. The accuracy of the KNN algorithm was 98.10%, sensibility of 99.20% and positive prediction of 98.85%.-
Descrição: dc.descriptionA proposta deste trabalho é desenvolver um algoritmo que consiga identificar os batimentos cardíacos baseado na metodologia de Pan e Tompkins. Os batimentos cardíacos identificados serviram de referência para a extração das características do classificador KNN utilizado para reconhecer a contração ventricular prematura. Para identificar os picos R, foram alterados da metodologia original de Pan e Tompkins os filtros utilizados e o filtro derivativo. Foi incluído um bloco de decisão para picos adjacentes que possuem uma distância menor que 100 amostras. A taxa de acerto do algoritmo modificado foi de 99,66%, sua sensibilidade foi de 99,78% e o preditivo positivo de 99,68%. Foram retiradas 46 características e, após o uso do algoritmo genético, esta quantidade abaixou para 26. A taxa de acerto do algoritmo 1NN foi inicialmente 80,70 % com as 46 características, utilizando somente as 26 características escolhidas pelo algoritmo genético, esta taxa aumentou para 97,87%. Para agilizar as interações do algoritmo genético foram utilizados somente 36 % dos picos encontrados pelo algoritmo de identificação de picos R. Após a escolha das características, os picos R identificados foram classificados entre CVP e não CVP. A taxa de acerto do algoritmo KNN foi em média 98,10%, sensibilidade de 99,20% e preditivo positivo de 98,85%.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCampo Mourao-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Eletrônica-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsrestrictAccess-
Palavras-chave: dc.subjectEletrocardiografia-
Palavras-chave: dc.subjectAlgorítmos-
Palavras-chave: dc.subjectInteligência artificial - Aplicações médicas-
Palavras-chave: dc.subjectElectrocardiography-
Palavras-chave: dc.subjectAlgorithms-
Palavras-chave: dc.subjectArtificial intelligence - Medical applications-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS-
Título: dc.titleAlgoritmo de identificação automática dos batimentos cardíacos e reconhecimento das contrações ventriculares prematuras em ECG utilizando inteligência artificial-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.