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

dc.contributor.advisorOliveira, Lorena Sophia Campos de
dc.contributor.authorSchutte, Wallinson Oliveira
dc.contributor.institutionUniversidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM)pt_BR
dc.contributor.refereeRibeiro, Antonio Luiz Pinho
dc.contributor.refereeEndlich, Patrick Wander
dc.contributor.refereeAlves, Wederson Marcos
dc.contributor.refereeOliveira, Lorena Sophia Campos de
dc.date.accessioned2018-05-15T19:38:43Z
dc.date.available2018-05-15T19:38:43Z
dc.date.issued2017
dc.date.submitted2017-11-29
dc.description.abstractO 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.pt_BR
dc.description.abstractsThe present study proposes the development of two tools to classify heart beats in order to detect cardiac ischemia. One based on properties of Normal Distribution and Bayes' Theorem and the other based on Artificial Neural Networks. Using the Long-Term ST Database, a data filter was performed, which was grouped by the following derivations: A-S, E-S, A-I, ML2, MV2, ML3 and V4, V5. By means of the algorithms proposed, implemented through the PHP Programming Language, we could verify the most favorable derivation to detect this disease. It was possible to observe the V5 and A-S leads with better results using the hybrid algorithm. In V5, 100% sensitivity, 97% specificity, 95.89% positive predictive value and 100% negative predictive value were obtained, and in A-S, values of 99.22%, 99.99%, 99.99% and 99.61% for sensitivity, specificity, positive predictive value, and negative predictive value. The algorithm of Artificial Neural Networks presented the best result for A-S derivation with 99.98%, 100%, 100% and 99.99% for sensitivity, specificity, positive predictive value and negative predictive value respectively. We also calculated the confidence interval for population proportions with 95% confidence in order to establish precision levels of the bases used.en
dc.description.abstractsEl presente estudio propone el desarrollo de dos herramientas para la clasificación de los latidos del corazón con el fin de detectar la isquemia cardíaca. Uno basado en las propiedades de la Distribución Normal y el Teorema de Bayes y el otro basado en las Redes Neuronales Artificiales. Utilizando la base de datos Long-Term ST Database, se llevó a cabo un filtro de datos, que fueron agrupados según las siguientes derivaciones: a-S, E, S, A-I, ML2, MV2, ML3, V4 y V5. Por medio de los algoritmos propuestos, implementado a través del lenguaje de programación PHP, pudimos comprobar la derivación más favorable para detectar esta enfermedad. Fue posible observar las derivaciones V5 y A-S con mejores resultados utilizando el algoritmo híbrido. En V5 se obtuvo una sensibilidad del 100%, uma especificidad del 97%, 95.89% de valor predictivo positivo y 100% de valor predictivo negativo y en A-S, valores de 99.22%, 99.99%, 99.99% y 99.61% para la sensibilidad, especificidad, valor predictivo positivo, y valor predictivo negativo respectivamente. El algoritmo de Redes Neuronales Artificiales presentó el mejor resultado para la derivación A-S con 99.98%, 100%, 100% y 99.99% para la sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo, respectivamente. También fue calculado el intervalo de confianza para proporciones de las poblaciones con 95% de confianza con el fin de establecer los niveles de confianza precisión de las bases utilizadases
dc.description.thesisDissertação (Mestrado Profissional) – Programa de Pós-Graduação em Tecnologia, Saúde e Sociedade, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017.pt_BR
dc.identifier.citationSCHUTTE, Wallinson Oliveira. Detecção de isquemia cardíaca em diferentes derivações utilizando redes neurais artificiais e um classificador híbrido Gaussiano e Bayesiano. 2017. 57 p. Dissertação (Mestrado Profissional) – Programa de Pós-Graduação em Tecnologia, Ambiente e Sociedade, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Teófilo Otoni, 2017.pt_BR
dc.identifier.urihttps://acervo.ufvjm.edu.br/items/aa2282df-d033-4707-ac55-e30f15fe3905
dc.language.isopor
dc.publisherUFVJMpt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao à termo de autorização impresso assinado pelo autor, assim como na licença Creative Commons, com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus repositórios, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, e preservação, a partir desta data.pt_BR
dc.subject.keywordEletrocardiogramapt_BR
dc.subject.keywordBatimento cardíacopt_BR
dc.subject.keywordDistribuição normalpt_BR
dc.subject.keywordRedes neuraispt_BR
dc.subject.keywordElectrocardiogrampt_BR
dc.subject.keywordHeartbeaten
dc.subject.keywordBayesen
dc.subject.keywordDistribution normalen
dc.subject.keywordNeural networksen
dc.subject.keywordElectrocardiogramaes
dc.subject.keywordLatido del corazónes
dc.subject.keywordDistribución normales
dc.subject.keywordDistribución normales
dc.titleDetecção de isquemia cardíaca em diferentes derivações utilizando redes neurais artificiais e um classificador híbrido Gaussiano e Bayesianopt_BR
dc.typeDissertaçãopt_BR

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
wallinson_oliveira_schutte.pdf
Size:
2.82 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.11 KB
Format:
Item-specific license agreed upon to submission
Description: