Classifica??o da ?rea infartada do cora??o utilizando Deep Learning e par?metros extra?dos do Espa?o de Fases e Planos da Representa??o Vectorcardiogr?fica do ECG

• Ano de defesa: 2023
• Autor(a) principal: Barbosa, Jos? Raimundo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Infarto; ECG; Vetocardiograma; Deep Learning
• Link de acesso: http://repositorio.ifpb.edu.br/jspui/handle/177683/2921

O uso de t?cnicas de aprendizado de m?quina est? sendo cada vez mais explorado em aplica??es voltadas para auxiliar no diagn?stico de patologias card?acas. Por meio de recursos como Redes Neurais Artificiais, ? poss?vel identificar padr?es que podem ser impercept?veis para o ser humano ou reduzir consideravelmente o tempo na tomada de decis?es (Sethi et al., 2006; Arrieta et al., 2019; Jiang et al., 2017; Zhang et al., 2017). Os diversos par?metros extra?dos do ECG proporcionam um cen?rio convidativo para o desenvolvimento de estrat?gias que utilizam Rede Neurais Artificiais convencionais ou varia??es como Redes Neurais Profundas (Jiang et al., 2017; Parvaneh et al., 2019). Por?m as aplica??es presentes na literatura, em sua maioria, se limitam ao uso de conjuntos isolados de par?metros, ignorando a possibilidade de correla??o entre par?metros extra?dos de fontes diferentes, o que abriria a oportunidade para explorar arquiteturas de redes que abrangem mais entradas e mais possibilidades de classifica??es. O desenvolvimento de uma abordagem que avalia t?cnicas distintas de extra??o de par?metros de ECG como entrada de uma Deep Neural Network, possibilitara o desenvolvimento de um modelo capaz de auxiliar na etapa de diagnostico, al?m de verificar o potencial entre os par?metros para a identifica??o de patologias card?acas.