Sistema classificador de sons cardíacos baseado em redes neurais artificiais

A OMS afirma que as doenças cardiovasculares são, atualmente, a maior causa de mortalidade do mundo. Por sua parte, a entidade também observa que a melhora nos processos de prevenção, diagnóstico e tratamento contribuem para a diminuição das taxas de letalidade. Ademais, dentro da ordem de doenças cardíacas, algumas possuem possibilidade de diagnóstico por meio da identificação de sopros cardíacos, que podem ser detectados a partir do exame de ausculta cardíaca – onde o profissional escuta os sons com origem no coração, por meio de um estetoscópio, e realiza a análise da condição do paciente. Isso posto, este trabalho tem por objetivo propor um sistema computacional que realiza a classificação desses sons cardíacos nas categorias normal e anormal. Para tanto, tal sistema utiliza-se da base de dados Physionet, em que os sons cardíacos patológicos e não patológicos são utilizados para treinar e validar classificadores baseado em redes neurais artificiais. Assim, são propostos três tipos de classificadores, baseados em MLP, LSTM e CNN, que são submetidos aos áudios da base de dados. A validação destes modelos, por seu turno, será realizada através da avaliação do desempenho dos classificadores quanto à predição dos sons cardíacos, por meio da aplicação das técnicas de validação sugeridas pelas bibliografias. Portanto, ao fim do processo, objetiva-se obter um modelo de classificador robusto e confiável, que seja capaz de realizar predições de sons cardíacos com eficiência. Após aplicação das metodologias junto aos modelos de classificador, verificou-se o melhor desempenho do modelo CNN, obtendo-se uma acurácia de 0,8947, associada a uma sensibilidade de 0,8915 e uma especificidade de 0,8973.