TCC II - Ayrton Sousa Marinho

Título: Classificação automática da qualidade de sinal de ECG com redes neurais convolucionais
Resumo
De acordo com a Organização Mundial da Saúde (OMS) Organization (2017), muitas mortes no mundo ocorrem devido a problemas cardíacos e exames de diagnóstico, como Eletrocardiograma (ECG), são usados para tentar identificar possíveis problemas no coração. Soluções automatizadas vêm sendo testadas através de diversos estudos, nos quais buscam prever, através da análise inteligente de um sinal de ECG, se um indivíduo possui alguma doença cardíaca. Contudo, alguns sinais de ECG são capturados através de dispositivos que, muitas vezes, não possuem eficiência na entrega da qualidade do sinal, gerando, comumente, dados com ruídos ou inconsistências. Este trabalho apresenta como tema central o uso de técnicas de aprendizagem profunda para classificação de qualidade de sinais de ECG em três possíveis categorias: Aceitável, Semi-Aceitável e Não Aceitável. Assim, o presente trabalho busca verificar a viabilidade de uma solução automática, com uso de técnicas de Deep Learning (DL), com foco em Convolucional Neural Network (CNN), para a classificação da qualidade desses sinais, a fim de garantir melhor filtragem de dados de entrada para treinamentos de modelos de previsão de doenças. A metodologia, trata-se de uma pesquisa exploratória com natureza qualitativa, na coleta de dados, foi utilizado uma base de dados já criada especificamente para a tarefa de classificação de sinais de ECG. Como métrica para a classificação do algoritmo é utilizado o F-Score, Precision e Recall obtidos através da técnica de random search em 100 amostras diferentes de modelos. Os resultados foram positivos e indicam um F-SCORE de 0.9270, Precision de 0.9278 e um Recall de 0.9264 para a melhor combinação de hiperparâmetros baseado nos dados utilizados para o treinamento, teste e validação dos modelos.