Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Minas Gerais
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Elétrica
|
Departamento: |
ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | http://hdl.handle.net/1843/31880 |
Resumo: | O eletrocardiograma (ECG) é considerado um dos métodos mais importantes de assistência diagnóstica no domínio cardiovascular clínico em vista ao crescente número de cardiopatias. Com a expansão da aquisição de exames ECG, fez-se necessário o desenvolvimento de algoritmos para automatizar a análise do sinal ECG, reduzindo o tempo de laudo pelos especialistas. Neste contexto, o presente trabalho propõe um método de detecção automática dos picos R baseado em vetorcardiograma para traçados curtos de 12 derivações. Esse algoritmo, denominado Vectordet, considera as limitações de um sistema de saúde, tais como excesso de ruídos, diversidades patológicas e recursos computacionais limitados. Esse cenário clínico é representado pelo banco de dados de derivações padrões do St. Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. O desempenho do Vectordet é comparado com as referências Pan-Tompkins e Wavedet, algoritmos de detecção de pico R de derivação a derivação. Perante a distinta capacidade de detecção em cada derivação dessas duas referências, uma regra de múltiplas derivações, denominada Single Lead Rule, foi avaliada para ponderar a detecção de diferentes entradas. A avaliação da performance dos algoritmos se restringe as métricas de sensibilidade (Se), preditividade positiva (P+) e tempo de processamento (Tp), apesar de serem apresentados o erro RMS, a especificidade e a acurácia. Assim, os resultados obtidos para o algoritmo proposto são Se = 99,30%, P+ = 99,15% e Tp = 0,001 s por exame de 10 s. Com base nos algoritmos de referência, o Vectordet assegura detecção de picos R com desempenho estatisticamente superior ao Wavedet e custo computacional 25 e 3700 vezes mais rápido do que Pan-Tompkins e Wavedet, respectivamente. |
id |
UFMG_f0c887b3273d634730955a2f267a07dc |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/31880 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Alessandro Bedahttp://lattes.cnpq.br/0483643134086398Henrique Resende MartinsEduardo Mazoni Andrade Marçal MendesAlcendino Cândido Jardim Netohttp://lattes.cnpq.br/9097321867689580Thiago Lucas de Oliveira2020-01-15T15:31:28Z2020-01-15T15:31:28Z2019-11-27http://hdl.handle.net/1843/31880O eletrocardiograma (ECG) é considerado um dos métodos mais importantes de assistência diagnóstica no domínio cardiovascular clínico em vista ao crescente número de cardiopatias. Com a expansão da aquisição de exames ECG, fez-se necessário o desenvolvimento de algoritmos para automatizar a análise do sinal ECG, reduzindo o tempo de laudo pelos especialistas. Neste contexto, o presente trabalho propõe um método de detecção automática dos picos R baseado em vetorcardiograma para traçados curtos de 12 derivações. Esse algoritmo, denominado Vectordet, considera as limitações de um sistema de saúde, tais como excesso de ruídos, diversidades patológicas e recursos computacionais limitados. Esse cenário clínico é representado pelo banco de dados de derivações padrões do St. Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. O desempenho do Vectordet é comparado com as referências Pan-Tompkins e Wavedet, algoritmos de detecção de pico R de derivação a derivação. Perante a distinta capacidade de detecção em cada derivação dessas duas referências, uma regra de múltiplas derivações, denominada Single Lead Rule, foi avaliada para ponderar a detecção de diferentes entradas. A avaliação da performance dos algoritmos se restringe as métricas de sensibilidade (Se), preditividade positiva (P+) e tempo de processamento (Tp), apesar de serem apresentados o erro RMS, a especificidade e a acurácia. Assim, os resultados obtidos para o algoritmo proposto são Se = 99,30%, P+ = 99,15% e Tp = 0,001 s por exame de 10 s. Com base nos algoritmos de referência, o Vectordet assegura detecção de picos R com desempenho estatisticamente superior ao Wavedet e custo computacional 25 e 3700 vezes mais rápido do que Pan-Tompkins e Wavedet, respectivamente.The electrocardiogram (ECG) is considered one of the most important diagnosis assistance methods in the cardiovascular clinical area. With the expansion of the ECG exam acquisition, it has become necessary to develop algorithms for automating the ECG signal analysis, reducing the medical report time. In this context, the objective of this research is the development of an algorithm for automatic detection of R peaks on short 12-leads ECG excerpt based on vectorcardiogram. This algorithm, named Vectordet, considers the health systems limitations, which are the excessive noise level, diverse pathologies and limited computational resources. This case scenario is represented by St. Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. The Vectordet performance is compared with the references Pan-Tompkins and Wavedet, which are single lead R peak detection algorithms. Before the distinct capacity in each lead detection of these two references, a multiple leads rule, called Single Lead Rule, was studied for weighting different input detections. The algorithms performances evaluation is restricted to the metrics of sensitivity (Se), positive predictivity (P+) and processing time (Tp), although it is presented the RMS error, specificity and accuracy. Thereby, the results obtained in the proposed algorithm are Se = 99.30%, P+ = 99.15% and a Tp = 0.001 s for each 10-s exam. From the reference algorithms, Vectordet ensures an R peak detection with a performance statistically superior to Wavedet and a computational cost 25 and 3700 times faster than Pan-Tompkins and Wavedet, respectively.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Engenharia ElétricaUFMGBrasilENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICAEngenharia elétricaEngenharia biomédicaEletrocardiogramaVetorcardiogramaECGDetecção de pico RVetorcardiogramaMétricas de desempenhoRegra de múltiplas derivaçõesDesenvolvimento e validação de detector de pico R baseado em vetorcardiogramainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGLICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/31880/2/license.txt34badce4be7e31e3adb4575ae96af679MD52TEXTDissertação_Msc_Thiago_Lucas_deOliveira_Final.pdf.txtDissertação_Msc_Thiago_Lucas_deOliveira_Final.pdf.txtExtracted texttext/plain132009https://repositorio.ufmg.br/bitstream/1843/31880/3/Disserta%c3%a7%c3%a3o_Msc_Thiago_Lucas_deOliveira_Final.pdf.txt77347a3639e69c25bfd5367436634c37MD53ORIGINALDissertação_Msc_Thiago_Lucas_deOliveira_Final.pdfDissertação_Msc_Thiago_Lucas_deOliveira_Final.pdfapplication/pdf3945820https://repositorio.ufmg.br/bitstream/1843/31880/1/Disserta%c3%a7%c3%a3o_Msc_Thiago_Lucas_deOliveira_Final.pdf326e88893842efd321fab1928778821bMD511843/318802020-01-16 03:27:19.79oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2020-01-16T06:27:19Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
title |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
spellingShingle |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma Thiago Lucas de Oliveira ECG Detecção de pico R Vetorcardiograma Métricas de desempenho Regra de múltiplas derivações Engenharia elétrica Engenharia biomédica Eletrocardiograma Vetorcardiograma |
title_short |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
title_full |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
title_fullStr |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
title_full_unstemmed |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
title_sort |
Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma |
author |
Thiago Lucas de Oliveira |
author_facet |
Thiago Lucas de Oliveira |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Alessandro Beda |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0483643134086398 |
dc.contributor.advisor-co1.fl_str_mv |
Henrique Resende Martins |
dc.contributor.referee1.fl_str_mv |
Eduardo Mazoni Andrade Marçal Mendes |
dc.contributor.referee2.fl_str_mv |
Alcendino Cândido Jardim Neto |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9097321867689580 |
dc.contributor.author.fl_str_mv |
Thiago Lucas de Oliveira |
contributor_str_mv |
Alessandro Beda Henrique Resende Martins Eduardo Mazoni Andrade Marçal Mendes Alcendino Cândido Jardim Neto |
dc.subject.por.fl_str_mv |
ECG Detecção de pico R Vetorcardiograma Métricas de desempenho Regra de múltiplas derivações |
topic |
ECG Detecção de pico R Vetorcardiograma Métricas de desempenho Regra de múltiplas derivações Engenharia elétrica Engenharia biomédica Eletrocardiograma Vetorcardiograma |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica Engenharia biomédica Eletrocardiograma Vetorcardiograma |
description |
O eletrocardiograma (ECG) é considerado um dos métodos mais importantes de assistência diagnóstica no domínio cardiovascular clínico em vista ao crescente número de cardiopatias. Com a expansão da aquisição de exames ECG, fez-se necessário o desenvolvimento de algoritmos para automatizar a análise do sinal ECG, reduzindo o tempo de laudo pelos especialistas. Neste contexto, o presente trabalho propõe um método de detecção automática dos picos R baseado em vetorcardiograma para traçados curtos de 12 derivações. Esse algoritmo, denominado Vectordet, considera as limitações de um sistema de saúde, tais como excesso de ruídos, diversidades patológicas e recursos computacionais limitados. Esse cenário clínico é representado pelo banco de dados de derivações padrões do St. Petersburg Institute of Cardiological Technics 12-lead Arrhythmia Database. O desempenho do Vectordet é comparado com as referências Pan-Tompkins e Wavedet, algoritmos de detecção de pico R de derivação a derivação. Perante a distinta capacidade de detecção em cada derivação dessas duas referências, uma regra de múltiplas derivações, denominada Single Lead Rule, foi avaliada para ponderar a detecção de diferentes entradas. A avaliação da performance dos algoritmos se restringe as métricas de sensibilidade (Se), preditividade positiva (P+) e tempo de processamento (Tp), apesar de serem apresentados o erro RMS, a especificidade e a acurácia. Assim, os resultados obtidos para o algoritmo proposto são Se = 99,30%, P+ = 99,15% e Tp = 0,001 s por exame de 10 s. Com base nos algoritmos de referência, o Vectordet assegura detecção de picos R com desempenho estatisticamente superior ao Wavedet e custo computacional 25 e 3700 vezes mais rápido do que Pan-Tompkins e Wavedet, respectivamente. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-11-27 |
dc.date.accessioned.fl_str_mv |
2020-01-15T15:31:28Z |
dc.date.available.fl_str_mv |
2020-01-15T15:31:28Z |
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.uri.fl_str_mv |
http://hdl.handle.net/1843/31880 |
url |
http://hdl.handle.net/1843/31880 |
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.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/31880/2/license.txt https://repositorio.ufmg.br/bitstream/1843/31880/3/Disserta%c3%a7%c3%a3o_Msc_Thiago_Lucas_deOliveira_Final.pdf.txt https://repositorio.ufmg.br/bitstream/1843/31880/1/Disserta%c3%a7%c3%a3o_Msc_Thiago_Lucas_deOliveira_Final.pdf |
bitstream.checksum.fl_str_mv |
34badce4be7e31e3adb4575ae96af679 77347a3639e69c25bfd5367436634c37 326e88893842efd321fab1928778821b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1797972970223697920 |