Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: SOARES, Brenda Irla Cardoso Feitosa lattes
Orientador(a): BARROS FILHO, Allan Kardec Duailibe lattes
Banca de defesa: BARROS FILHO, Allan Kardec Duailibe lattes, SANTANA, Ewaldo Eder Carvalho lattes, TOMAZ, Carlos Alberto Bezerra lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Maranhão
Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
País: Brasil
Palavras-chave em Português:
apneia;
eletrocardiograma;
polissonografia;
diagnóstico.
Palavras-chave em Inglês:
apnea;
electrocardiogram;
polysomnography;
diagnosis.
Área do conhecimento CNPq:
Automação Eletrônica de Processos Elétricos e Industriais
Engenharia Elétrica
Link de acesso: https://tedebc.ufma.br/jspui/handle/tede/tede/3540
Resumo: Obstructive sleep apnea syndrome (OSAS) is characterized by fragmentation and repetitive hypoxia during sleep, if this syndrome is not properly diagnosed and treated, it becomes the cause of serious complications such as cardiovascular problems. The diagnosis of this syndrome requires a detailed clinical examination called polysomnography, which consists of several tests that perform an analysis of brain (EEG), heart (ECG), muscle (EMG) and eye (EOG) activity. Due to the complexity of performing polysomnography, the present study aims to classify and diagnose two groups of subjects, healthy and with normal apnea, based on the use of ECG signals applied in a supervised machine learning algorithm along with Principal Component Analysis (PCA). Using the feature extraction methodology adapted for the diagnosis of obstructive sleep apnea, the results were sampled in two and three dimensions with 95% accuracy.
id UFMA_ced0cc306e727be8cd5cd1acf35bc6ce
oai_identifier_str oai:tede2:tede/3540
network_acronym_str UFMA
network_name_str Biblioteca Digital de Teses e Dissertações da UFMA
repository_id_str
spelling BARROS FILHO, Allan Kardec Duailibehttp://lattes.cnpq.br/0492330410079141BARROS FILHO, Allan Kardec Duailibehttp://lattes.cnpq.br/0492330410079141SANTANA, Ewaldo Eder Carvalhohttp://lattes.cnpq.br/0660692009750374TOMAZ, Carlos Alberto Bezerrahttp://lattes.cnpq.br/2576531891879144http://lattes.cnpq.br/6725723686325116SOARES, Brenda Irla Cardoso Feitosa2022-04-29T15:35:00Z2022-03-22SOARES, Brenda Irla Cardoso Feitosa. Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina. 2022. 78 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022.https://tedebc.ufma.br/jspui/handle/tede/tede/3540Obstructive sleep apnea syndrome (OSAS) is characterized by fragmentation and repetitive hypoxia during sleep, if this syndrome is not properly diagnosed and treated, it becomes the cause of serious complications such as cardiovascular problems. The diagnosis of this syndrome requires a detailed clinical examination called polysomnography, which consists of several tests that perform an analysis of brain (EEG), heart (ECG), muscle (EMG) and eye (EOG) activity. Due to the complexity of performing polysomnography, the present study aims to classify and diagnose two groups of subjects, healthy and with normal apnea, based on the use of ECG signals applied in a supervised machine learning algorithm along with Principal Component Analysis (PCA). Using the feature extraction methodology adapted for the diagnosis of obstructive sleep apnea, the results were sampled in two and three dimensions with 95% accuracy.A Síndrome da Apneia Obstrutiva do Sono (SAOS) é caracterizada pela fragmentação e hipoxia repetitiva durante o sono, quando não diagnosticada e tratada da forma adequada se torna causa de complicações graves associadas a doenças cardiovasculares. O diagnóstico dessa síndrome requer um estudo clínico detalhado, denominado polissonografia, composto por uma série de exames, dificultando o processo de diagnóstico da SAOS. O exame de polissonografia é considerado padrão para diagnóstico e avaliação dos distúrbios respiratórios do sono, como o próprio nome sugere, este exame reúne diversos testes que realizam análise da atividade cerebral (EEG), cardíaca (ECG), ocular (EOG) e muscular (EMG). Devido à complexidade na realização da polissonografia, o presente trabalho objetiva classificar e diagnosticar dois grupos de indivíduos, saudáveis e com SAOS em grau leve, a partir dos sinais de ECG aplicados em rede neural MLP juntamente à análise de componentes principais (PCA). Ao utilizar a metodologia de extração de características, adaptada para diagnóstico da apneia obstrutiva do sono, os resultados foram amostrados em duas e três dimensões com classificação de 95% de acurácia.Submitted by Jonathan Sousa de Almeida (jonathan.sousa@ufma.br) on 2022-04-29T15:35:00Z No. of bitstreams: 1 BrendaIrlaCardosoFeitosaSoares.pdf: 2619064 bytes, checksum: 573ddec9fbfd0be90486fa5aa8ca624b (MD5)Made available in DSpace on 2022-04-29T15:35:00Z (GMT). No. of bitstreams: 1 BrendaIrlaCardosoFeitosaSoares.pdf: 2619064 bytes, checksum: 573ddec9fbfd0be90486fa5aa8ca624b (MD5) Previous issue date: 2022-03-22CNPqapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABrasilDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETapneia;eletrocardiograma;polissonografia;diagnóstico.apnea;electrocardiogram;polysomnography;diagnosis.Automação Eletrônica de Processos Elétricos e IndustriaisEngenharia ElétricaEngenharia ElétricaMétodo de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquinaA machine learning method for diagnosis of obstructive sleep apnea syndromeinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALBrendaIrlaCardosoFeitosaSoares.pdfBrendaIrlaCardosoFeitosaSoares.pdfapplication/pdf2619064http://tedebc.ufma.br:8080/bitstream/tede/3540/2/BrendaIrlaCardosoFeitosaSoares.pdf573ddec9fbfd0be90486fa5aa8ca624bMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82255http://tedebc.ufma.br:8080/bitstream/tede/3540/1/license.txt97eeade1fce43278e63fe063657f8083MD51tede/35402023-05-15 15:48:53.398oai:tede2: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Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312023-05-15T18:48:53Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false
dc.title.por.fl_str_mv Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
dc.title.alternative.eng.fl_str_mv A machine learning method for diagnosis of obstructive sleep apnea syndrome
title Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
spellingShingle Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
SOARES, Brenda Irla Cardoso Feitosa
apneia;
eletrocardiograma;
polissonografia;
diagnóstico.
apnea;
electrocardiogram;
polysomnography;
diagnosis.
Automação Eletrônica de Processos Elétricos e Industriais
Engenharia Elétrica
Engenharia Elétrica
title_short Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
title_full Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
title_fullStr Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
title_full_unstemmed Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
title_sort Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina
author SOARES, Brenda Irla Cardoso Feitosa
author_facet SOARES, Brenda Irla Cardoso Feitosa
author_role author
dc.contributor.advisor1.fl_str_mv BARROS FILHO, Allan Kardec Duailibe
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/0492330410079141
dc.contributor.referee1.fl_str_mv BARROS FILHO, Allan Kardec Duailibe
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/0492330410079141
dc.contributor.referee2.fl_str_mv SANTANA, Ewaldo Eder Carvalho
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/0660692009750374
dc.contributor.referee3.fl_str_mv TOMAZ, Carlos Alberto Bezerra
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/2576531891879144
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6725723686325116
dc.contributor.author.fl_str_mv SOARES, Brenda Irla Cardoso Feitosa
contributor_str_mv BARROS FILHO, Allan Kardec Duailibe
BARROS FILHO, Allan Kardec Duailibe
SANTANA, Ewaldo Eder Carvalho
TOMAZ, Carlos Alberto Bezerra
dc.subject.por.fl_str_mv apneia;
eletrocardiograma;
polissonografia;
diagnóstico.
topic apneia;
eletrocardiograma;
polissonografia;
diagnóstico.
apnea;
electrocardiogram;
polysomnography;
diagnosis.
Automação Eletrônica de Processos Elétricos e Industriais
Engenharia Elétrica
Engenharia Elétrica
dc.subject.eng.fl_str_mv apnea;
electrocardiogram;
polysomnography;
diagnosis.
dc.subject.cnpq.fl_str_mv Automação Eletrônica de Processos Elétricos e Industriais
Engenharia Elétrica
Engenharia Elétrica
description Obstructive sleep apnea syndrome (OSAS) is characterized by fragmentation and repetitive hypoxia during sleep, if this syndrome is not properly diagnosed and treated, it becomes the cause of serious complications such as cardiovascular problems. The diagnosis of this syndrome requires a detailed clinical examination called polysomnography, which consists of several tests that perform an analysis of brain (EEG), heart (ECG), muscle (EMG) and eye (EOG) activity. Due to the complexity of performing polysomnography, the present study aims to classify and diagnose two groups of subjects, healthy and with normal apnea, based on the use of ECG signals applied in a supervised machine learning algorithm along with Principal Component Analysis (PCA). Using the feature extraction methodology adapted for the diagnosis of obstructive sleep apnea, the results were sampled in two and three dimensions with 95% accuracy.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-04-29T15:35:00Z
dc.date.issued.fl_str_mv 2022-03-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SOARES, Brenda Irla Cardoso Feitosa. Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina. 2022. 78 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022.
dc.identifier.uri.fl_str_mv https://tedebc.ufma.br/jspui/handle/tede/tede/3540
identifier_str_mv SOARES, Brenda Irla Cardoso Feitosa. Método de diagnóstico da síndrome da apneia obstrutiva do sono por aprendizado de máquina. 2022. 78 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2022.
url https://tedebc.ufma.br/jspui/handle/tede/tede/3540
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
dc.publisher.initials.fl_str_mv UFMA
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFMA
instname:Universidade Federal do Maranhão (UFMA)
instacron:UFMA
instname_str Universidade Federal do Maranhão (UFMA)
instacron_str UFMA
institution UFMA
reponame_str Biblioteca Digital de Teses e Dissertações da UFMA
collection Biblioteca Digital de Teses e Dissertações da UFMA
bitstream.url.fl_str_mv http://tedebc.ufma.br:8080/bitstream/tede/3540/2/BrendaIrlaCardosoFeitosaSoares.pdf
http://tedebc.ufma.br:8080/bitstream/tede/3540/1/license.txt
bitstream.checksum.fl_str_mv 573ddec9fbfd0be90486fa5aa8ca624b
97eeade1fce43278e63fe063657f8083
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)
repository.mail.fl_str_mv repositorio@ufma.br||repositorio@ufma.br
_version_ 1797055621424480256

Registros relacionados