Um sistema e-Health para análise e detecção de anomalias cardíacas
| Ano de defesa: | 2018 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Link de acesso: | https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=82794 |
Resumo: | O potencial promissor das tecnologias emergentes de Internet das Coisas (IoT) para dispositivos e sensores médicos interconectados tem desempenhado um papel importante na indústria de cuidados de saúde da próxima geração para a qualidade do atendimento ao paciente. Devido ao número crescente de idosos e portadores de deficiência, existe a necessidade urgente de uma infraestrutura de monitorização da saúde para análise dos dados destes pacientes, com intuito de evitar mortes. Healthcare IoT tem um potencial significativo pelo constante monitoramento por meio de sensores, capazes de recolher e enviar dados em tempo real. Apesar dos grandes avanços em Healthcare, uma pessoa é capaz de gerar 1 TB de informações em um dia, milhões de dados potencialmente utilizáveis em aplicações, como marketing, redes sociais e e-Health. A quantidade de dados gerados torna obrigatório o uso de técnicas que sejam capazes de analisar e gerar resultados em tempo hábil. Para diagnosticar possíveis arritmias cardíacas em pacientes pela análise do ECG (Eletrocardiograma), propõe-se um sistema de suporte à decisão, capaz de gerir os dados dos pacientes, analisando e retornando possíveis complicações cardíacas. Em uma primeira fase, para extração dos pontos de interesse da onda ECG utilizaram-se técnicas para tratamento da onda. Como uma segunda fase, técnicas como médias móveis foram utilizadas para extração das informações desejadas que serão então analisadas e classificadas por algoritmos de aprendizagem de máquina em uma terceira fase. Este sistema é capaz de classificar com alta acurácia as anomalias de um ECG humano em um curto período de tempo. <div>Palavras-chave: Internet das Coisas. e-Health. Arritmias Cardíacas. ECG. Aprendizagem de Máquina.</div> |
| id |
UECE-0_3f928f034d4a68990710de879c073f91 |
|---|---|
| oai_identifier_str |
oai:uece.br:82794 |
| network_acronym_str |
UECE-0 |
| network_name_str |
Repositório Institucional da UECE |
| repository_id_str |
|
| spelling |
Um sistema e-Health para análise e detecção de anomalias cardíacasCiência da computação Desenvolvimento de softwares EletrocardiogramaO potencial promissor das tecnologias emergentes de Internet das Coisas (IoT) para dispositivos e sensores médicos interconectados tem desempenhado um papel importante na indústria de cuidados de saúde da próxima geração para a qualidade do atendimento ao paciente. Devido ao número crescente de idosos e portadores de deficiência, existe a necessidade urgente de uma infraestrutura de monitorização da saúde para análise dos dados destes pacientes, com intuito de evitar mortes. Healthcare IoT tem um potencial significativo pelo constante monitoramento por meio de sensores, capazes de recolher e enviar dados em tempo real. Apesar dos grandes avanços em Healthcare, uma pessoa é capaz de gerar 1 TB de informações em um dia, milhões de dados potencialmente utilizáveis em aplicações, como marketing, redes sociais e e-Health. A quantidade de dados gerados torna obrigatório o uso de técnicas que sejam capazes de analisar e gerar resultados em tempo hábil. Para diagnosticar possíveis arritmias cardíacas em pacientes pela análise do ECG (Eletrocardiograma), propõe-se um sistema de suporte à decisão, capaz de gerir os dados dos pacientes, analisando e retornando possíveis complicações cardíacas. Em uma primeira fase, para extração dos pontos de interesse da onda ECG utilizaram-se técnicas para tratamento da onda. Como uma segunda fase, técnicas como médias móveis foram utilizadas para extração das informações desejadas que serão então analisadas e classificadas por algoritmos de aprendizagem de máquina em uma terceira fase. Este sistema é capaz de classificar com alta acurácia as anomalias de um ECG humano em um curto período de tempo. <div>Palavras-chave: Internet das Coisas. e-Health. Arritmias Cardíacas. ECG. Aprendizagem de Máquina.</div><div style="">The promising potential of emerging internet of things technologies for interconnected medical devices and sensors has played an important role in the next-generation healthcare industry for the quality of patient care. Due to the growing number of elderly and disabled, there is an urgent need for a health monitoring infrastructure to analyze patient data avoiding deaths. Healthcare IoT has significant potential through constant monitoring through sensors, capable of collecting and sending data in real time. Despite major breakthroughs in Healthcare, a person is able to generate 1TB of information in one day, millions of potentially usable data in applications such as marketing, social networking, and eHealth. The amount of data generated makes it mandatory to use techniques that are capable of analyzing and generating results in a timely manner. In order to diagnose possible cardiac arrhythmias in patients through ECG (Electrocardiogram) analysis, a decision support system is proposed, capable of managing patients data, analyzing and returning possible cardiac complications in these patients. To extract the points of interest of the ECG wave, techniques were used to treat the wave. As a second phase, techniques such as moving averages were used to extract the desired information that will then be analyzed and classified by machine learning algorithms in a third phase. This system is able to classify with high accuracy the anomalies of a human ECG in a short period of time. </div><div style="">Keywords: Internet of Things. e-Health. Heart Arrhythmias. ECG. Machine Learning</div>Universidade Estadual do Ceará Rafael Lopes GomesMoreira, Diego Alysson Braga2019-04-16T16:18:16Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=82794info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UECEinstname:Universidade Estadual do Cearáinstacron:UECE2019-04-16T16:18:16Zoai:uece.br:82794Repositório InstitucionalPUBhttps://siduece.uece.br/siduece/api/oai/requestopendoar:2019-04-16T16:18:16Repositório Institucional da UECE - Universidade Estadual do Cearáfalse |
| dc.title.none.fl_str_mv |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| title |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| spellingShingle |
Um sistema e-Health para análise e detecção de anomalias cardíacas Moreira, Diego Alysson Braga Ciência da computação Desenvolvimento de softwares Eletrocardiograma |
| title_short |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| title_full |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| title_fullStr |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| title_full_unstemmed |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| title_sort |
Um sistema e-Health para análise e detecção de anomalias cardíacas |
| author |
Moreira, Diego Alysson Braga |
| author_facet |
Moreira, Diego Alysson Braga |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Rafael Lopes Gomes |
| dc.contributor.author.fl_str_mv |
Moreira, Diego Alysson Braga |
| dc.subject.por.fl_str_mv |
Ciência da computação Desenvolvimento de softwares Eletrocardiograma |
| topic |
Ciência da computação Desenvolvimento de softwares Eletrocardiograma |
| description |
O potencial promissor das tecnologias emergentes de Internet das Coisas (IoT) para dispositivos e sensores médicos interconectados tem desempenhado um papel importante na indústria de cuidados de saúde da próxima geração para a qualidade do atendimento ao paciente. Devido ao número crescente de idosos e portadores de deficiência, existe a necessidade urgente de uma infraestrutura de monitorização da saúde para análise dos dados destes pacientes, com intuito de evitar mortes. Healthcare IoT tem um potencial significativo pelo constante monitoramento por meio de sensores, capazes de recolher e enviar dados em tempo real. Apesar dos grandes avanços em Healthcare, uma pessoa é capaz de gerar 1 TB de informações em um dia, milhões de dados potencialmente utilizáveis em aplicações, como marketing, redes sociais e e-Health. A quantidade de dados gerados torna obrigatório o uso de técnicas que sejam capazes de analisar e gerar resultados em tempo hábil. Para diagnosticar possíveis arritmias cardíacas em pacientes pela análise do ECG (Eletrocardiograma), propõe-se um sistema de suporte à decisão, capaz de gerir os dados dos pacientes, analisando e retornando possíveis complicações cardíacas. Em uma primeira fase, para extração dos pontos de interesse da onda ECG utilizaram-se técnicas para tratamento da onda. Como uma segunda fase, técnicas como médias móveis foram utilizadas para extração das informações desejadas que serão então analisadas e classificadas por algoritmos de aprendizagem de máquina em uma terceira fase. Este sistema é capaz de classificar com alta acurácia as anomalias de um ECG humano em um curto período de tempo. <div>Palavras-chave: Internet das Coisas. e-Health. Arritmias Cardíacas. ECG. Aprendizagem de Máquina.</div> |
| publishDate |
2018 |
| dc.date.none.fl_str_mv |
2018 2019-04-16T16:18:16Z |
| 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 |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=82794 |
| url |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=82794 |
| 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 Estadual do Ceará |
| publisher.none.fl_str_mv |
Universidade Estadual do Ceará |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UECE instname:Universidade Estadual do Ceará instacron:UECE |
| instname_str |
Universidade Estadual do Ceará |
| instacron_str |
UECE |
| institution |
UECE |
| reponame_str |
Repositório Institucional da UECE |
| collection |
Repositório Institucional da UECE |
| repository.name.fl_str_mv |
Repositório Institucional da UECE - Universidade Estadual do Ceará |
| repository.mail.fl_str_mv |
|
| _version_ |
1828296372980285440 |