Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/10850
Title in Portuguese: Classificação de arritmias cardíacas em eletrocardiograma utilizando floresta de caminhos ótimos
Title: ECG cardiac arrhythmia classification using optimum path forest
Author: Nunes, Thiago Monteiro
Advisor(s): Albuquerque, Victor Hugo Costa de
Keywords: Teleinformática
Sistemas de reconhecimento de padrões
Eletrofisiologia
Processamento de sinais
Issue Date: 1-Aug-2014
Citation: NUNES. T. M. Classificação de arritmias cardíacas em eletrocardiograma utilizando floresta de caminhos ótimos. 2014. 67 f. Dissertação (Mestrado em Engenharia de Teleinformática) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2014.
Abstract in Portuguese: Anualmente no mundo, milhões de pessoas morrem vítimas de cardiopatias que em grande parte, podem ser detectadas através de sinais em eletrocardiograma. Essa análise envolve o estudo do sinal, correspondendo às arritmias estudadas, processo que pode ser automatizado através do aprendizado de máquinas. Esse trabalho compara os classificadores Floresta de Caminhos Ótimos(OPF), utilizando 6 métricas de distâncias, Máquinas de Vetores de Suporte com núcleo de função de base radial (SVM-RBF) e Classificador Bayesiano aplicados problema da classificação de arritmias em eletrocardiogramas, usando 6 técnicas de extração de atributos e uma metodologia de separação de conjuntos para evitar a interferência das informações de pacientes na classificação. A base de dados utilizada foi a MIT-BIH Arrhythmia Database e foram avaliados desempenho em termos de taxa de acerto, generalização, através de sensibilidade e especificidade, e custo computacional. Foram consideradas classificações em 5 e 3 classes de arritmias. O OPF mostrou o melhor desempenho em termos de generalização, enquanto o SVM-RBF obteve as maiores taxas de acerto. Os tempos de treino do OPF foram os menores entre os classificadores. No teste, o SVM-RBF foi o classificador que apresentou o menor custo computacional.
Abstract: Currently in the world, millions of people die, victims of heart diseases, which in large part can be detected by analyzing signals of the electrocardiogram. This analysis involves the study of the signal corresponding to the arrhythmia studied and can be automated through machine learning. This work compares the Optimum Path Forest (OPF) classifier using 6 distance metrics, the Support Vector Machines classifier with radial basis function kernel (RBF-SVM) and the Bayesian classifier, applied to the problem of ECG arrhythmias classification. This is done using 6 feature extraction techniques and a methodology for separating sets, to avoid the interference of patient information in classification. The performance is evaluated in terms of accuracy, generalization, through specificity and sensitivity, and computational cost. Classification was done using 5 and 3 classes of arrhythmias. The OPF showed the best performance in terms of generalization, while the SVM-RBF had the highest accuracy rates. The training times of OPF were the lowest among the classifiers. In the test, the RBF-SVM classifier presented best computational cost.
URI: http://www.repositorio.ufc.br/handle/riufc/10850
metadata.dc.type: Dissertação
Appears in Collections:DETE - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2014_dis_tmnunes.pdf1,07 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.