Dissertação

Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias

This work presents the proposal of two automatic systems to aid in the detection of anomalies in heart beats and medical decision support. The systems were developed for the identification of rhythmic arrhythmia and morphological arrhythmias from signals obtained from an electrocardiogram (ECG). Bot...

ver descrição completa

Autor principal: BAIA, Alexandre Farias
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Pará 2019
Assuntos:
Rede neural convolucional
ECG (Eletrocardiograma)
Arritmias
Rede auto-associativa
Convolutional neural networks
ECG (Electroencelography)
Arrhythmias
Autoencoder network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
Acesso em linha: http://repositorio.ufpa.br/jspui/handle/2011/11251
id ir-2011-11251
recordtype dspace
spelling ir-2011-112512025-02-20T15:38:28Z Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias Competitive structure of self-associative convolutional neural networks for arrhythmia classification BAIA, Alexandre Farias CASTRO, Adriana Rosa Garcez http://lattes.cnpq.br/5273686389382860 Rede neural convolucional ECG (Eletrocardiograma) Arritmias Rede auto-associativa Convolutional neural networks ECG (Electroencelography) Arrhythmias Autoencoder network CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA INTELIGÊNCIA COMPUTACIONAL COMPUTAÇÃO APLICADA This work presents the proposal of two automatic systems to aid in the detection of anomalies in heart beats and medical decision support. The systems were developed for the identification of rhythmic arrhythmia and morphological arrhythmias from signals obtained from an electrocardiogram (ECG). Both systems are based on a competitive structure of Convolutional Autoencoders (CAE), and each network was trained to reconstruct the signals presented at its entrance. For the case of the rhythmic classifier, the system was developed from the use of the ECG signals, without undergoing a feature extraction process, and for the case of the morphological classifier, the system was based on the QRS complex extracted from the ECG signal. For the development and testing of the systems, the database MIT-BIH Arrhythmia of ECG signals was used. An accuracy of 88.9% was achieved for the Rhythmic Classifier and 81.73% for the Morphological Classifier, in the case in which the evaluation basis is considered. The results obtained demonstrate the applicability of the proposed competitive structures to the arrhythmia classification problem. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Este trabalho apresenta a proposta de dois sistemas automáticos para auxílio à detecção de anomalias em batimentos cardíacos e apoio à decisão médica. Os sistemas foram desenvolvidos para a identificação de arritmia rítmica e arritmias morfológicas a partir de sinais obtidos de um Eletrocardiograma (ECG). Ambos os sistemas são baseados em uma estrutura competitiva de Redes Neurais Convolucionais (CNN) Auto-associativas, sendo que cada rede foi treinada para reconstrução dos sinais apresentados na sua entrada. Para o caso do classificador rítmico, o sistema foi desenvolvido a partir do uso dos sinais do ECG, sem passar por um processo de extração de características, e para o caso do classificador morfológico o sistema se baseou no complexo QRS extraído do sinal de ECG. Para desenvolvimento e teste dos sistemas foi utilizada a base de dados MIT-BIH Arrhythmia de sinais ECG. Uma acurácia de 88,9% foi alcançada para o Classificador Rítmico e de 81,73% para o Classificador Morfológico, no caso em que se considera a base de testes para avaliação. Os resultados obtidos demonstram a aplicabilidade das estruturas competitivas propostas para o problema de classificação de arritmias. 2019-06-06T16:14:24Z 2019-06-06T16:14:24Z 2019-04-17 Dissertação BAIA, Alexandre Farias. Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias. Orientadora: Adriana Rosa Garcez Castro. 2019. 71 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/11251. Acesso em:. http://repositorio.ufpa.br/jspui/handle/2011/11251 por Acesso Aberto application/pdf Universidade Federal do Pará Brasil Instituto de Tecnologia UFPA Programa de Pós-Graduação em Engenharia Elétrica 1 CD-ROM
institution Repositório Institucional - Universidade Federal do Pará
collection RI-UFPA
language por
topic Rede neural convolucional
ECG (Eletrocardiograma)
Arritmias
Rede auto-associativa
Convolutional neural networks
ECG (Electroencelography)
Arrhythmias
Autoencoder network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
spellingShingle Rede neural convolucional
ECG (Eletrocardiograma)
Arritmias
Rede auto-associativa
Convolutional neural networks
ECG (Electroencelography)
Arrhythmias
Autoencoder network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
BAIA, Alexandre Farias
Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
topic_facet Rede neural convolucional
ECG (Eletrocardiograma)
Arritmias
Rede auto-associativa
Convolutional neural networks
ECG (Electroencelography)
Arrhythmias
Autoencoder network
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
INTELIGÊNCIA COMPUTACIONAL
COMPUTAÇÃO APLICADA
description This work presents the proposal of two automatic systems to aid in the detection of anomalies in heart beats and medical decision support. The systems were developed for the identification of rhythmic arrhythmia and morphological arrhythmias from signals obtained from an electrocardiogram (ECG). Both systems are based on a competitive structure of Convolutional Autoencoders (CAE), and each network was trained to reconstruct the signals presented at its entrance. For the case of the rhythmic classifier, the system was developed from the use of the ECG signals, without undergoing a feature extraction process, and for the case of the morphological classifier, the system was based on the QRS complex extracted from the ECG signal. For the development and testing of the systems, the database MIT-BIH Arrhythmia of ECG signals was used. An accuracy of 88.9% was achieved for the Rhythmic Classifier and 81.73% for the Morphological Classifier, in the case in which the evaluation basis is considered. The results obtained demonstrate the applicability of the proposed competitive structures to the arrhythmia classification problem.
author_additional CASTRO, Adriana Rosa Garcez
author_additionalStr CASTRO, Adriana Rosa Garcez
format Dissertação
author BAIA, Alexandre Farias
title Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
title_short Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
title_full Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
title_fullStr Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
title_full_unstemmed Estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
title_sort estrutura competitiva de redes neurais convolucionais auto-associativas para classificação de arritmias
publisher Universidade Federal do Pará
publishDate 2019
url http://repositorio.ufpa.br/jspui/handle/2011/11251
_version_ 1832603741984915456
score 11.755432

Registros relacionados