@MASTERSTHESIS{ 2022:1761551400,
 	title = {Rede neural convolucional u-net para infer?ncia do sinal eletrocardiograma a partir do sinal fotopletismograma},
 	year = {2022},
 	url = "https://tede.ufam.edu.br/handle/tede/8929",
 	abstract = "Para medir o ciclo card?aco e obter medidas de frequ?ncia card?aca existem dois m?todos amplamente utilizados: o eletrocardiograma (ECG) e o fotopletismograma (PPG). Os sensores utilizados nesses m?todos t?m ganhado grande popularidade em dispositivos vest?veis, o que tem estendido o monitoramento card?aco para al?m do ambiente hospitalar. Nesse sentido, dispositivos vest?veis t?m-se tornado um forte aliado no monitoramento cont?nuo dos sinais vitais card?acos, sendo considerados importantes ferramentas de aux?lio ? identifica??o precoce de doen?as card?acas. Entretanto, o monitoramento do sinal ECG de modo cont?nuo via dispositivo m?vel ainda ? um problema, visto que ele requer que o usu?rio 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 n?o cont?m essa limita??o, mas o conhecimento m?dico para diagn?stico dessas anomalias a partir desse sinal ? limitado por falta de familiaridade, visto que o ECG ? estudado e usado na literatura como padr?o ouro. Para minimizar esse problema, este trabalho prop?e um m?todo que utiliza a correla??o entre dom?nios dos sinais PPG e ECG para inferir a partir de sinal PPG a forma de onda do sinal ECG. O m?todo proposto, denominado PPG2ECG, consiste em realizar o mapeamento entre dom?nios por meio da aplica??o de um conjunto de filtros de convolu??o, aprendendo a transformar um sinal PPG de entrada em um sinal de sa?da ECG. Para realizar esta transforma??o o m?todo PPG2ECG utiliza uma arquitetura de rede neural U-net inception que realiza convolu??es em diferentes tamanhos de filtros de forma paralela. Para a avalia??o do m?todo proposto foram utilizadas duas estrat?gias de avalia??o baseadas nos modelos personalizado e generalizado. Os resultados mostram o valor m?dio de erro (MSE) de 0,015 e 0,026 para os modelos personalizado e generalizado, respectivamente. Tais resultados comprovam a viabilidade do m?todo para realiza??o mapeamento do sinal PPG para ECG, devido ?s curtas dist?ncias entre o ECG inferido e o ECG original.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}