???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/8929
???metadata.dc.type???: Dissertação
Title: Rede neural convolucional u-net para inferência do sinal eletrocardiograma a partir do sinal fotopletismograma
???metadata.dc.creator???: Pinto, Rafael Albuquerque 
???metadata.dc.contributor.advisor1???: Souto, Eduardo James Pereira
???metadata.dc.contributor.referee1???: Giusti, Rafael
???metadata.dc.contributor.referee2???: Rocha, Thiago de Souza Rocha
???metadata.dc.description.resumo???: Para medir o ciclo cardíaco e obter medidas de frequência cardíaca existem dois métodos amplamente utilizados: o eletrocardiograma (ECG) e o fotopletismograma (PPG). Os sensores utilizados nesses métodos têm ganhado grande popularidade em dispositivos vestíveis, o que tem estendido o monitoramento cardíaco para além do ambiente hospitalar. Nesse sentido, dispositivos vestíveis têm-se tornado um forte aliado no monitoramento contínuo dos sinais vitais cardíacos, sendo considerados importantes ferramentas de auxílio à identificação precoce de doenças cardíacas. Entretanto, o monitoramento do sinal ECG de modo contínuo via dispositivo móvel ainda é um problema, visto que ele requer que o usuário mantenha os dedos pressionados no dispositivo para formar circuitos fechados durante a coleta de dados, o que inviabiliza o monitoramento de sinais ECG a longo prazo. Por outro lado, o PPG não contém essa limitação, mas o conhecimento médico para diagnóstico dessas anomalias a partir desse sinal é limitado por falta de familiaridade, visto que o ECG é estudado e usado na literatura como padrão ouro. Para minimizar esse problema, este trabalho propõe um método que utiliza a correlação entre domínios dos sinais PPG e ECG para inferir a partir de sinal PPG a forma de onda do sinal ECG. O método proposto, denominado PPG2ECG, consiste em realizar o mapeamento entre domínios por meio da aplicação de um conjunto de filtros de convolução, aprendendo a transformar um sinal PPG de entrada em um sinal de saída ECG. Para realizar esta transformação o método PPG2ECG utiliza uma arquitetura de rede neural U-net inception que realiza convoluções em diferentes tamanhos de filtros de forma paralela. Para a avaliação do método proposto foram utilizadas duas estratégias de avaliação baseadas nos modelos personalizado e generalizado. Os resultados mostram o valor médio de erro (MSE) de 0,015 e 0,026 para os modelos personalizado e generalizado, respectivamente. Tais resultados comprovam a viabilidade do método para realização mapeamento do sinal PPG para ECG, devido às curtas distâncias entre o ECG inferido e o ECG original.
Abstract: To measure the cardiac cycle and obtain heart rate measurements, there are two widely used methods: the electrocardiogram (ECG) and the photoplethysmogram (PPG). The sensors used in these methods have gained great popularity in wearable devices, which has extended cardiac monitoring beyond the hospital environment. In this sense, wearable devices have become a strong ally in the continuous monitoring of cardiac vital signs, being considered important tools to assist in the early identification of heart diseases. However, monitoring the ECG signal continuously via mobile device is still a problem, as it requires the user to keep their fingers pressed on the device to form closed circuits during data collection, which makes monitoring the ECG signals unfeasible in the long term. On the other hand, the PPG does not contain this limitation, but the medical knowledge to diagnose these anomalies from this sign is limited by the lack of familiarity, since the ECG is studied and used in the literature as the gold standard. To minimize this problem, this work proposes a method that uses the correlation between domains of PPG and ECG signals to infer from the PPG signal the waveform of the ECG signal. The proposed method, called PPG2ECG, consists of mapping between domains through the application of a set of convolution filters, learning to transform a PPG input signal into an ECG output signal. To perform this transformation, the PPG2ECG method uses a U-net Inception neural network architecture that performs convolutions on different filter sizes in parallel. For the evaluation of the proposed method, two evaluation strategies based on the personalized and generalized models were used. The results show the mean error value (MSE) of 0.015 and 0.026 for the custom and generalized models, respectively. The results prove the feasibility of the method of mapping the PPG signal to the ECG, due to the short distances between the inferred ECG and the original ECG.
Keywords: Eletrocardiografia
Dispositivos eletrônicos vestíveis
???metadata.dc.subject.cnpq???: CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
???metadata.dc.subject.user???: Fotopletismograma
Eletrocardiograma
Rede neural u-net
Dispositivos vestíveis
Monitoramento contínuo
Language: por
???metadata.dc.publisher.country???: Brasil
Publisher: Universidade Federal do Amazonas
???metadata.dc.publisher.initials???: UFAM
???metadata.dc.publisher.department???: Instituto de Computação
???metadata.dc.publisher.program???: Programa de Pós-graduação em Informática
Citation: PINTO, Rafael Albuquerque. Rede neural convolucional u-net para inferência do sinal eletrocardiograma a partir do sinal fotopletismograma. 2022. 62 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2022.
???metadata.dc.rights???: Acesso Aberto
???metadata.dc.rights.uri???: http://creativecommons.org/licenses/by/4.0/
URI: https://tede.ufam.edu.br/handle/tede/8929
Issue Date: 25-Apr-2022
Appears in Collections:Mestrado em Informática

Files in This Item:
File Description SizeFormat 
Dissertação_RafaelPinto_PPGI.pdfDocumento principal2.74 MBAdobe PDFThumbnail

Download/Open Preview


This item is licensed under a Creative Commons License Creative Commons