IDENTIFICAÇÃO DE FIBRILAÇÃO ATRIAL BASEADA NOS INTERVALOS RR E COMPLEXO QRS DO SINAL ECG

Autores

  • Victor Gabriell Ribeiro da Silva Universidade Tiradentes
  • Dami Dória Narayana Duarte Universidade Tiradentes

DOI:

https://doi.org/10.17564/2359-4942.2020v4n1p9-20

Palavras-chave:

Eletrocardiograma, Extração de características, Fibrilação atrial, Rede neural artificial

Resumo

Uma porção considerável das mortes em todo planeta são provocadas por doenças no coração, como infarto agudo do miocárdio e arritmias cardíacas, diagnosticar estas cardiopatias é de extrema importância para a saúde do paciente. Visando acelerar a identificação de cardiopatias, diversos procedimentos têm sido desenvolvidos com intuito de reconhecer automaticamente estas doenças através do sinal eletrocardiográfico (ECG). Este trabalho apresenta uma metodologia para reconhecer fibrilação atrial (FA) por meio de sinais ECG, inicialmente o sinal é pré-processado, em seguida são extraídas características baseadas na entropia aproximada e análise estatística dos intervalos RR e do complexo QRS, ao final, uma rede neural artificial é utilizada para classificar os sinais em normais ou com FA. O trabalho concluiu que o método é capaz de diferenciar os dois tipos de sinais com acurácia total de 98,1%.

Downloads

Não há dados estatísticos.

Biografia do Autor

Victor Gabriell Ribeiro da Silva, Universidade Tiradentes

Graduado em Engenharia Mecatrônica pela Universidade Tiradentes, membro do Grupo de Pesquisa em Bioengenharia e Medicina.

Dami Dória Narayana Duarte, Universidade Tiradentes

Mestre em Engenharia Elétrica pela Universidade Federal de Sergipe, membro do Grupo de Pesquisa em Bioengenharia e Medicina.

Referências

ROOPA, C. K., & HARISH, B. S. (2017). A survey on various machine learning approaches for ECG analysis. International Journal of Computer Applications, 163(9), 25-33.

YILDIRIM, Ö. et al. (2018). Arrhythmia detection using deep convolutional neural network with long duration ECG signals. Computers in biology and medicine, 102, 411-420.

RITCHIE, H., & ROSER, M. (2018). Our World in Data. Causes of death, published February.

KIRCHHOF, P. et al. (2016). 2016 ESC Guidelines for the management of atrial fibrillation developed in collaboration with EACTS. European journal of cardio-thoracic surgery, 50(5), e1-e88.

MONDÉJAR-GUERRA, V. et al. (2019). Heartbeat classification fusing temporal and morphological information of ECGs via ensemble of classifiers. Biomedical Signal Processing and Control, 47, 41-48.

BILLECI, L. et al. (2017, September). Detection of AF and other rhythms using RR variability and ECG spectral measures. In 2017 Computing in Cardiology (CinC) (pp. 1-4). IEEE.

BERKAYA, S. K. et al. (2018). A survey on ECG analysis. Biomedical Signal Processing and Control, 43, 216-235.

MOODY, G. B., & MARK, R. G. (2001). The impact of the MIT-BIH arrhythmia database. IEEE Engineering in Medicine and Biology Magazine, 20(3), 45-50.

GOLDBERGER, A. L. et al. PhysioBank, PhysioToolkit, and PhysioNet: components of a new research resource for complex physiologic signals. Circulation 101.23 (2000): e215-e220.

JAMBUKIA, S. H., DABHI, V. K., & PRAJAPATI, H. B. (2015, March). Classification of ECG signals using machine learning techniques: A survey. In 2015 International Conference on Advances in Computer Engineering and Applications (pp. 714-721). IEEE.

GARCIA, G. C. (2016). Seleção de características e otimização de parâmetros via PSO para um classificador de arritmias cardíacas.

BEN-NAIM, A. (2019). Entropy and Information Theory: Uses and Misuses. Entropy, 21(12), 1170.

PINCUS, S. (1995). Approximate entropy (ApEn) as a complexity measure. Chaos: An Interdisciplinary Journal of Nonlinear Science, 5(1), 110-117.

NASCIMENTO, B. C. D., & MESQUITA, E. T. (2010). Fibrilação atrial na insuficiência cardíaca: novos avanços na genética molecular e no tratamento. Rev Bras Cardiol, 23(1), 25-34.

SUTERIO, V. (2017). Detecção de cardiopatias por eletrocardiograma utilizando redes neurais artificiais (Bachelor's thesis, Universidade Tecnológica Federal do Paraná).

Downloads

Publicado

2020-04-15

Como Citar

Ribeiro da Silva, V. G., & Narayana Duarte, D. D. (2020). IDENTIFICAÇÃO DE FIBRILAÇÃO ATRIAL BASEADA NOS INTERVALOS RR E COMPLEXO QRS DO SINAL ECG. Interfaces Científicas - Exatas E Tecnológicas, 4(1), 9–20. https://doi.org/10.17564/2359-4942.2020v4n1p9-20

Edição

v. 4 n. 1 (2020)

Seção

Artigos

Licença

Oferece acesso livre e imediato ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico contribui para a democratização do saber. Assume-se que, ao submeter os originais os autores cedem os direitos de publicação para a revista. O autor(a) reconhece esta como detentor(a) do direito autoral e ele autoriza seu livre uso pelos leitores, podendo ser, além de lido, baixado, copiado, distribuído e impresso, desde quando citada a fonte. proximo
Atribuição-CompartilhaIgual CC BY-SA This license lets others remix, adapt, and build upon your work even for commercial purposes, as long as they credit you and license their new creations under the identical terms. This license is often compared to “copyleft” free and open source software licenses. All new works based on yours will carry the same license, so any derivatives will also allow commercial use. This is the license used by Wikipedia, and is recommended for materials that would benefit from incorporating content from Wikipedia and similarly licensed projects.