???jsp.display-item.social.title??? |
|
Please use this identifier to cite or link to this item:
https://tede.ufam.edu.br/handle/tede/10053
???metadata.dc.type???: | Dissertação |
Title: | Detecção e classificação automática de arritmias cardíacas em sinais de eletrocardiograma utilizando redes convolutivas 2D |
???metadata.dc.creator???: | Leão, Davi Cauassa |
???metadata.dc.contributor.advisor1???: | Costa, Marly Guimarães Fernandes |
First advisor-co: | Costa Filho, Cícero Ferreira Fernandes |
???metadata.dc.contributor.referee1???: | Januário, Francisco de Assis Pereira |
???metadata.dc.contributor.referee2???: | Pinagé, Frederico da Silva |
???metadata.dc.description.resumo???: | O ECG é o método diagnóstico mais utilizado para identificar e classificar arritmias cardíacas, infarto do miocárdio e doença arterial coronariana. A maioria dos artigos apresentados na literatura para classificação de arritmias em eletrocardiogramas (ECG) utiliza redes convolucionais 1D. Essas redes exploram apenas as relações entre vizinhos à esquerda e à direita. Redes convolucionais 2D, por outro lado, exploram adicionalmente as relações entre vizinhos acima e abaixo, permitindo o estabelecimento de relações mais complexas entre os dados. Este estudo propõe um método para a classificação de arritmias usando redes convolucionais 2D. As amostras do sinal de ECG (1D) é convertido em uma imagem de intensidade (2D). Para o treinamento da CNN, uma nova técnica de aumento de dados é proposta utilizando janelas deslizantes. Valores de aumento de dados de até 11 vezes são alcançados. Três arquiteturas de CNN e dois métodos de otimização (SGDM e ADAM) são avaliados. O melhor resultado para a classificação de 13 arritmias, com uma precisão global de 95,80%, é obtido com o otimizador SGDM e aumento de dados. |
Abstract: | The ECG is the most widely used diagnostic method for identifying and classifying cardiac arrhythmias, myocardial infarction and coronary artery disease. Most articles presented in the literature for the classification of arrhythmias in ECG use 1D convolutional networks. These networks only explore relationships between left and right neighbors. On the other hand, 2D convolutional networks (CNN) also explore relationships between upstream and downstream neighbors, allowing more complex relationships to be established among the data. This study proposes a method for arrhythmia classification using 2D convolutional networks using CNN. The 1D ECG signal is converted into an intensity image. For CNN training, a new data augmentation technique is proposed using sliding windows. Data augmentation values up to 11 times are achieved. Three CNN architectures and two optimization methods (SGDM, and ADAM) are evaluated. The best result for the classification of 13 arrhythmias, with an overall accuracy of 95.80%, is obtained with the SGDM optimizer and data augmentation. |
Keywords: | Eletrocardiografia Testes de função cardíaca Arritmias cardíacas Redes neurais (Computação) |
???metadata.dc.subject.cnpq???: | ENGENHARIAS ENGENHARIAS: ENGENHARIA ELETRICA ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS ENGENHARIAS: ENGENHARIA ELETRICA: ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS: AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAIS CIENCIAS EXATAS E DA TERRA CIENCIAS DA SAUDE CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: LINGUAGENS DE PROGRAMACAO |
???metadata.dc.subject.user???: | ECG - Eletrocardiograma Arritmia Aumento de dados Rede neural convolucional |
Language: | por |
???metadata.dc.publisher.country???: | Brasil |
Publisher: | Universidade Federal do Amazonas |
???metadata.dc.publisher.initials???: | UFAM |
???metadata.dc.publisher.department???: | Faculdade de Tecnologia |
???metadata.dc.publisher.program???: | Programa de Pós-graduação em Engenharia Elétrica |
Citation: | LEÃO, Davi Cauassa. Detecção e classificação automática de arritmias cardíacas em sinais de eletrocardiograma utilizando redes convolutivas 2D. 2024. 96 f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal do Amazonas, Manaus, 2024. |
???metadata.dc.rights???: | Acesso Aberto |
???metadata.dc.rights.uri???: | https://creativecommons.org/licenses/by-nc-nd/4.0/ |
URI: | https://tede.ufam.edu.br/handle/tede/10053 |
Issue Date: | 9-Feb-2024 |
Appears in Collections: | Mestrado em Engenharia Elétrica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DISS_DaviLeao_PPGEE.pdf | 3.08 MB | Adobe PDF | Download/Open Preview |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.