Upload
internet
View
145
Download
9
Embed Size (px)
Citation preview
CLASSIFICAÇÃO DE ARRITMIAS CARDÍACAS ATRAVÉS DE DESCRITORES DE ELETROCARDIOGRAMA UTILIZANDO
REDES COMPETITIVAS
Cicília Raquel Maia Leite – [email protected]
2
EQUIPE/LABORATÓRIOS
Cicília R. M. Leite
Daniel L. Martins
Gláucia R. M. A. Sizilio
Keylly E. A. dos Santos
Bruno G. De Araújo
Ricardo A. de M. Valentim
Adrião D. D. Neto
Jorge D. de Melo
Ana M. G. Guerreiro
TÓPICOS ABORDADOS
Introdução
Objetivo
Eletrocardiograma
Rede competitiva
Experimentos e resultados
Considerações finais
4
INTRODUÇÃO
“Cada centavo gasto com a prevenção, torna possível a economia de quatro centavos”.
OMS 2009
“Informações em tempo hábil de um paciente internado em UTI podem evitar que a equipe médica cometa erros irreversíveis”.
5
INTRODUÇÃO
Exigência do mercado:
– Identificação de oportunidades;
– Buscar por soluções em menor tempo;
– Menor gasto na aquisição de equipamentos, desenvolvimento de sistemas e otimização de processos.
Dificuldades inerentes ao monitoramento:
– Torna bastante complexo o controle e gerenciamento dos dados que subsidiam informações no apoio à tomada de decisão, principalmente na área médica.
•Ação no momento preciso;
•Acesso ao que seja relevante;
•Prevenção/Previsão.
6
INTRODUÇÃO
Classificar trechos de um ECG (Eletrocardiograma)
utilizando Redes Neurais Competitivas com o
objetivo de identificar arritmia cardíaca.
7
OBJETIVO
problema complexo:
– tratar com vidas e com múltiplas variáveis;
– melhorar as condições de controle, gerenciamento e monitoramento;
– melhorar a qualidade do atendimento;
– otimizar o fluxo de processos.
novas tecnologias:
– aplicar de técnicas de sistemas inteligentes (neural, mineração de dados, fuzzy, etc.);
– utilização de novos equipamentos - computação móvel.
8
CENÁRIO - SOLUÇÃO
Paciente internado em UTI: acompanhamento contínuo dos seus sinais vitais.
Aparelhos ligados ao paciente captam as informações dos sinais vitais.
Processamento digital de sinais – aplicado na filtragem do sinal capturado, visando eliminar ruídos.
Comunicação - Médico - receber informações, permitindo intervenção em tempo hábil.
9
CENÁRIO - SOLUÇÃO
10
ELETROCARDIOGRAMA
É o teste mais frequentemente utilizado na cardiologia para medir a atividade do coração.
É um gráfico variante no tempo que apresenta as tensões produzidas pelo miocárdio durante o ciclo cardíaco.
Cada batimento cardíaco é exibido como uma série de ondas elétricas caracterizada por picos e vales.
Rede Neural com treinamento não supervisionado a qual extrai informação somente dos padrões de entrada sem a necessidade de uma resposta desejada.
Suas saídas competem entre si para melhor representar a entrada da rede.
Bastante utilizada em clusterização.
11
REDE COMPETITIVA
Modelo de uma Rede Competitiva
Base de dados Arrythmia (MIT/BIH Arrythmia Database), que é uma base de dados utilizada para o desenvolvimento e avaliação de arritmias.
Java – utilizado para fazer a extração dos trechos de ECG. Matlab – usado para fazer o experimento com a rede
competitiva Os sinais de ECG foram separados em trechos, formando
2 conjuntos de dados: amostras com Contração Ventricular Prematura e amostras com batimento normal.
No pré-processamento foram extraídos os descritores (P, Q, R, S, U) de cada amostra.
12
EXPERIMENTO E RESULTADOS
A análise do sinal é realizada através de quatro etapas:
Etapas do Processamento Digital do Sinal
13
EXPERIMENTO E RESULTADOS
AQUISIÇÃO DEDADOS
ECG
PRÉ-PROCESSAMENTO
EXTRAÇÃO DASCARACTERÍSTICAS
ANÁLISEDO
SINAL
14
EXPERIMENTO E RESULTADOS
Tela do software desenvolvido para auxiliar no pré-processamento
15
EXPERIMENTO E RESULTADOS
Com a realização dos resultados, foi possível obter a matriz de confusão abaixo.
PVC Normal
PVC 0.78 0.22
Normal 0.16 0.84
Matriz de confusão dos resultados
Os objetivos do trabalho foram atingidos.
Dificuldades:– acesso a um profissional da área médica
especialista em ECG; – definição dos descritores, incluindo a margem
de normalidade de cada um; – detectar e acessar uma base de dados com
dados reais.
16
CONSIDERAÇÕES FINAIS
Trabalhos futuros podem ser desenvolvidos a partir deste como, por exemplo:– realizar todas as classificação das patologias;– o processamento do sinal do ECG utilizando uma
maior quantidade de pontos; – a implementação de um BD para armazenar
informações sobre os pacientes e os sinais processados;
– a avaliação de um conjunto mais amplo de descritores;
– a avaliação de questões de desempenho.
17
CONSIDERAÇÕES FINAIS
18
AGRADECIMENTOS
Ao Capes e CNPq pelo apoio financeiro. Ao Laboratório de Sistemas Inteligentes
(LABSIS) da UFRN. Ao Laboratório de Automação
Hospitalar e Bioengenharia (LAHB) da UFRN.
19
Perguntas ?