Desenvolvimento e validação de detector de pico R baseado em vetorcardiograma

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Thiago Lucas de Oliveira lattes
Orientador(a): Alessandro Beda lattes
Banca de defesa: Eduardo Mazoni Andrade Marçal Mendes, Alcendino Cândido Jardim Neto
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:
ECG
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