Detecção de isquemia cardíaca em diferentes derivações utilizando redes neurais artificiais e um classificador híbrido Gaussiano e Bayesiano

Abstract

O presente estudo propõe o desenvolvimento de duas ferramentas para se fazer a classificação de batimentos cardíacos a fim de detectar a Isquemia Cardíaca. Uma baseada em propriedades da Distribuição Normal e Teorema de Bayes e a outra baseada em Redes Neurais Artificiais. Utilizando o banco de dados Long-Term ST Database, foi efetuado um filtro de dados, que foram agrupados pelas seguintes derivações: A-S, E-S, A-I, ML2, MV2, ML3, V4 e V5. Por meio dos algoritmos propostos, implementados por intermédio da Linguagem de Programação PHP, pôde-se verificar a derivação mais propícia a se detectar essa doença. Foi possível observar as derivações V5 e A-S com melhores resultados utilizando-se o algoritmo híbrido. Na V5, foi obtido Sensibilidade de 100%, Especificidade de 97%, Valor Preditivo Positivo de 95.89% e Valor Preditivo Negativo de 100% e, na A-S, valores de 99.22%, 99.99%, 99.99% e 99.61% para Sensibilidade, Especificidade, Valor Preditivo Positivo e Valor Preditivo Negativo. O algoritmo de Redes Neurais Artificiais apresentou o melhor resultado para derivação A-S com 99.98%, 100%, 100% e 99.99% para Sensibilidade, Especificidade, Valor Preditivo Positivo e Valor Preditivo Negativo respectivamente. Também foi calculado o intervalo de confiança para proporções populacionais com 95% de confiança, a fim de se estabelecer níveis de precisão das bases utilizadas.