Banca de DEFESA: HIAGO HENRIQUE BEZERRA NUNES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: HIAGO HENRIQUE BEZERRA NUNES
DATA : 27/01/2023
HORA: 14:00
LOCAL: Pós graduação em Saúde Translacional
TÍTULO:

APLICAÇÃO DA ANÁLISE DE RECORRÊNCIA PARA DETECÇÃO DE INFARTO DO MIOCÁRDIO EM SINAIS DE ECG 12 DERIVAÇÕES


PALAVRAS-CHAVES:

 Infarto do Miocárdio; Reconstrução do Espaço de Fases; Análise de Quantificação de Recorrência.



PÁGINAS: 60
RESUMO:

A utilização de métodos de análise de sistemas dinâmicos não-lineares para identificação de arritmias cardíacas a partir de sinais do eletrocardiograma (ECG) tem se tornado amplamente difundida, sobretudo as técnicas de análise de quantificação de recorrência (AQR) do espaço de fase (EF) reconstruído. Entretanto, a escolha dos parâmetros de reconstrução do EF, delay e dimensão, ainda é controversa na literatura. Este estudo tem por objetivo principal avaliar o impacto da escolha do delay e dimensão na classificação de sinais de ECG de pacientes saudáveis e com infarto do miocárdio (IM). A classificação se deu pela construção de um modelo de aprendizado de máquinas, k-nearest neighbors (KNN), treinado a partir de atributos de AQR retirados de duas formas de reconstrução do EF, um com parâmetros de incorporação ótimo calculado para cada sinal e outro com parâmetros de incorporação fixados. Complementarmente, também foram avaliadas as performances do algoritmo na detecção de IM em diferentes regiões cardíacas afetadas, além de testar cinco técnicas diferentes de normalização dos atributos. Os resultados indicam que apesar dos modelos com parâmetros de embedding fixos, em geral, possuírem performance superior aos modelos com parâmetros de embedding variáveis, em poucos casos essa diferença foi estatisticamente significativa. Quando a localização do infarto é levada em consideração, entre os melhores resultados, a performance do modelo com parâmetros de embedding fixos foi superior em todos os casos que houve diferença estatisticamente significativa. Além disso, o melhor resultado obtido para classificação de IM foi de 0,815 da ROC AUC e o MinMax scaler foi a técnica de normalização de atributos mais robusta entre os modelos testados.


MEMBROS DA BANCA:
Externo à Instituição - TIAGO PAGGI DE ALMEIDA
Presidente - 587939 - BRIVALDO MARKMAN FILHO
Externo ao Programa - 1890208 - PAULO SALGADO GOMES DE MATTOS NETO - null
Notícia cadastrada em: 26/12/2022 17:43
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2024 - UFRN - sigaa11.ufpe.br.sigaa11