Sistema classificador de sons cardíacos baseado em redes neurais artificiais
| Nível educacional (dc.audience.educationLevel) | Graduação | pt_BR |
| Orientador(a) (dc.contributor.advisor) | Figueiredo, Rodrigo Marques de | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/0192178587738651 | pt_BR |
| Autor(a) (dc.contributor.author) | Farinha, Ben-Hur Daniel Morais | |
| Curso (dc.curso) | Engenharia de Controle e Automação | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2023-09-19T18:05:02Z | |
| dc.date.available (dc.date.available) | 2023-09-19T18:05:02Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2022-11-21 | |
| Abstract (dc.description.abstract) | The World Health Organization (WHO) asserts that cardiovascular diseases are, nowadays, the major cause of mortality in the world. For its part, the entity also observes that the improvement in processes of prevention, diagnostic and treatment contribute to the decrease in lethality rates. Furthermore, inside the group of heart diseases, some have the possibility of diagnose through the identification of heart murmurs, that can be detected by means of an exam of cardiac auscultation – where the professional listens to the sounds originating in the heart, through a stethoscope, and performs the analysis of the patient's condition. Therefore, this work focuses on propounding a computer system that executes the classification of these heart murmurs in normal and abnormal. For that reason, the system uses database Physionet, in which the cardiac sounds, both pathological and not, are applied to train and validate classifiers, based in artificial neural networks. In this way, three types of classifiers are proposed, underpinned by MLP, LSTM and CNN, which are submitted to the audios of the database. The validation of these models, for its turn, will be carried out by evaluating the performance of the classifiers in terms of predicting heart sounds, based on the application of validation techniques suggested by the bibliographies. Consequently, by the end of the process, the objective is to obtain a robust and reliable classifier model, which is capable of performing heart sound predictions efficiently. After applying the methodologies to the classifier models, the CNN model performed best, with an accuracy of 0.8947, associated with a sensitivity of 0.8915 and a specificity of 0.8973. | pt_BR |
| Resumo (dc.description.resumo) | 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. | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/12718 | |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| Assunto (dc.subject) | Sopros cardíacos | pt_BR |
| Assunto (dc.subject) | Classificador | pt_BR |
| Assunto (dc.subject) | Ausculta | pt_BR |
| Assunto (dc.subject) | Redes neurais | pt_BR |
| Assunto (dc.subject) | MLP | pt_BR |
| Assunto (dc.subject) | LSTM | pt_BR |
| Assunto (dc.subject) | CNN | pt_BR |
| Assunto (dc.subject) | Heart murmurs | pt_BR |
| Assunto (dc.subject) | Classifier | pt_BR |
| Assunto (dc.subject) | Auscultation | pt_BR |
| Assunto (dc.subject) | Neural networks | pt_BR |
| Título (dc.title) | Sistema classificador de sons cardíacos baseado em redes neurais artificiais | pt_BR |
| Tipo de arquivo (dc.type) | TCC | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Ben-Hur Daniel Morais Farinha.pdf
- Tamanho:
- 2 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- sistema_classificador
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: