Classificação automática de arritmias cardíacas usando uma combinação de redes neurais

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Oliveira, Alexandre Tomazati, 1978-
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: [s.n.]
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Redes neurais convolucionais
Arritmia
Machine learning
Convolutional neural networks
Arrhythmia
Link de acesso: https://hdl.handle.net/20.500.12733/1637468
Resumo: Orientador: Euripedes Guilherme de Oliveira Nobrega
id UNICAMP-30_e538b4639a584fd6875252a361c9c327
oai_identifier_str oai::1094673
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Classificação automática de arritmias cardíacas usando uma combinação de redes neuraisAutomatic classification of cardiac arrhythmias using a combination of neural networksAprendizado de máquinaRedes neurais convolucionaisArritmiaMachine learningConvolutional neural networksArrhythmiaOrientador: Euripedes Guilherme de Oliveira NobregaTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: Um novo método de classificação de batimentos cardíacos é proposto baseado no eletrocardiograma (ECG). O ECG é o registro da atividade elétrica cardíaca, onde é possível constatar padrões anormais do coração, podendo ser associados a alguma arritmia. A base de dados de arritmia dos laboratórios do Instituto de Tecnologia de Massachusetts e do Hospital Israelita de Boston (MIT-BIH Arrhythmia database) e as diretrizes propostas pela AAMI (Association for the Advancement of Medical Instrumentation) são usadas aqui para o treinamento e teste dos classificadores propostos. Os intervalos de tempo entre batimentos cardíacos, bem como as características morfológicas de cada batimento são usados para treinar e avaliar as redes neurais desenvolvidas. O primeiro classificador, denominado ecgCNN, faz uso de uma rede neural de convolução, submetida a um treinamento supervisionado, que recebe as características temporais e morfológicas dos batimentos cardíacos combinadas em uma única imagem. Esse classificador é aprimorado através da separação das características temporais e morfológicas dos sinais, que são geradas por duas redes distintas (uma rede neural convencional e uma rede convolucional) cujas saídas são concatenadas como o vetor de entrada de uma terceira rede neural que indica uma das classes AAMI. Esse segundo classificador é denominado ecgConcatNet. Com o objetivo de aumentar a precisão dos resultados através de um sistema que se adapte às características do próprio sinal de ECG a ser avaliado, o classificador ecgConcatNet é submetido a um método de treinamento adversário não-supervisionado, baseado nas redes adversárias generativas (GANs), chamado aqui de ecgAdvNet, que após o treinamento adaptativo apresenta parâmetros ajustados especificamente para cada sinal de teste. Os três classificadores alcançaram acurácia de 95.3%, 96.2% e 97.1%, respectivamente, o que permite esperar resultados efetivos quando aplicados a pacientes reaisAbstract: A new heartbeat classification method is proposed based on the electrocardiogram (ECG). The ECG is the record of the cardiac electrical activity, which may reveal abnormal patterns of the heart and may be associated with some arrhythmia. The arrhythmia database of the Massachusetts Institute of Technology and the Israelite Hospital of Boston (MIT-BIH Arrhythmia database) and the guidelines proposed by the AAMI (Association for the Advancement of Medical Instrumentation) are used here for training and testing purposes. Time intervals between heartbeats as well as morphological characteristics of each beat are used to train and evaluate the developed neural networks. The first classifier, called ecgCNN, uses a supervised convolutional neural network, which receives the temporal and morphological characteristics of the combined heartbeats in a single image. This classifier is improved by separating the temporal and morphological characteristics of the signals, which are generated by two distinct networks (a conventional neural network and a convolutional neural network) whose outputs are concatenated as the input vector of a third neural network which assigns confidence to one of the AAMI classes. This second classifier is called ecgConcatNet. Attempting to improve the accuracy through a system that adapts to the characteristics of the evaluated ECG signal, the ecgConcatNet is submitted to an unsupervised adversary training method, based on the Generative Adversarial Networks (GANs), called here ecgAdvNet. The trained ecgAdvNet network presents specific parameters set for each test signal. The classifiers achieved the overall accuracy of 95.3%, 96.2%, and 97.1%, respectively, which allow expecting effective results when applied to real patientDoutoradoMecatrônicaDoutor em Engenharia Mecânica[s.n.]Nóbrega, Eurípedes Guilherme de Oliveira, 1950-Loubach, Denis SilvaSaotome, OsamuBoccato, LevyNascimento Júnior, Cairo LúcioUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia MecânicaPrograma de Pós-Graduação em Engenharia MecânicaUNIVERSIDADE ESTADUAL DE CAMPINASOliveira, Alexandre Tomazati, 1978-20192019-07-22T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdf1 recurso online (81 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1637468OLIVEIRA, Alexandre Tomazati. Classificação automática de arritmias cardíacas usando uma combinação de redes neurais. 2019. 1 recurso online (81 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637468. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1094673Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2020-06-30T17:02:53Zoai::1094673Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2020-06-30T17:02:53Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
Automatic classification of cardiac arrhythmias using a combination of neural networks
title Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
spellingShingle Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
Oliveira, Alexandre Tomazati, 1978-
Aprendizado de máquina
Redes neurais convolucionais
Arritmia
Machine learning
Convolutional neural networks
Arrhythmia
title_short Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
title_full Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
title_fullStr Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
title_full_unstemmed Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
title_sort Classificação automática de arritmias cardíacas usando uma combinação de redes neurais
author Oliveira, Alexandre Tomazati, 1978-
author_facet Oliveira, Alexandre Tomazati, 1978-
author_role author
dc.contributor.none.fl_str_mv Nóbrega, Eurípedes Guilherme de Oliveira, 1950-
Loubach, Denis Silva
Saotome, Osamu
Boccato, Levy
Nascimento Júnior, Cairo Lúcio
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
Programa de Pós-Graduação em Engenharia Mecânica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Oliveira, Alexandre Tomazati, 1978-
dc.subject.por.fl_str_mv Aprendizado de máquina
Redes neurais convolucionais
Arritmia
Machine learning
Convolutional neural networks
Arrhythmia
topic Aprendizado de máquina
Redes neurais convolucionais
Arritmia
Machine learning
Convolutional neural networks
Arrhythmia
description Orientador: Euripedes Guilherme de Oliveira Nobrega
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-07-22T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1637468
OLIVEIRA, Alexandre Tomazati. Classificação automática de arritmias cardíacas usando uma combinação de redes neurais. 2019. 1 recurso online (81 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637468. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1637468
identifier_str_mv OLIVEIRA, Alexandre Tomazati. Classificação automática de arritmias cardíacas usando uma combinação de redes neurais. 2019. 1 recurso online (81 p.) Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637468. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1094673
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (81 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189908260061184

Registros relacionados