@MASTERSTHESIS{ 2022:2053187245,
 	title = {Rede neural convolucional u-net para inferência do sinal eletrocardiograma a partir do sinal fotopletismograma},
 	year = {2022},
 	url = "https://tede.ufam.edu.br/handle/tede/8929",
 	abstract = "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.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}