Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Tormena Junior, Osmar | - |
Autor(es): dc.contributor | Rossini, Flávio Luiz | - |
Autor(es): dc.contributor | Neli, Roberto Ribeiro | - |
Autor(es): dc.contributor | Tormena Junior, Osmar | - |
Autor(es): dc.creator | Souza, Júlio Cesar Eduardo de | - |
Data de aceite: dc.date.accessioned | 2022-02-21T22:12:08Z | - |
Data de disponibilização: dc.date.available | 2022-02-21T22:12:08Z | - |
Data de envio: dc.date.issued | 2020-11-08 | - |
Data de envio: dc.date.issued | 2020-11-08 | - |
Data de envio: dc.date.issued | 2016-06-23 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/6070 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/669925 | - |
Descrição: dc.description | The 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.description | A 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Campo Mourao | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Eletrônica | - |
Publicador: dc.publisher | Engenharia Eletrônica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | restrictAccess | - |
Palavras-chave: dc.subject | Eletrocardiografia | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Inteligência artificial - Aplicações médicas | - |
Palavras-chave: dc.subject | Electrocardiography | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Artificial intelligence - Medical applications | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::BIOENGENHARIA::PROCESSAMENTO DE SINAIS BIOLOGICOS | - |
Título: dc.title | Algoritmo de identificação automática dos batimentos cardíacos e reconhecimento das contrações ventriculares prematuras em ECG utilizando inteligência artificial | - |
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: