Ciências Exatas e da Terra
Ciência da Computação
Resumo
A maioria dos estudos sobre classificação de arritmias em eletrocardiogramas (ECG) utiliza redes neurais convolucionais 1D, que exploram apenas as relações de vizinhança à esquerda e à direita. As redes convolucionais 2D, por outro lado, exploram também relações entre vizinhos acima e abaixo, permitindo o estabelecimento de relações mais complexas entre os dados. Este projeto propõe um software para auxiliar médicos na detecção e classificação de arritmias em ECGs, convertendo o sinal 1D em uma imagem de intensidade 2D para análise mais precisa. O treinamento da rede envolve uma nova técnica de aumento de dados com janelas deslizantes, aumentando o conjunto de dados em até 11 vezes. Três arquiteturas de CNN e três otimizadores (RMSProp, SGDM e ADAM) serão avaliados. O melhor resultado preliminar, com acurácia global de 95,80% para a classificação de 13 tipos de arritmias, foi obtido com o otimizador SGDM e aumento de dados. O software é projetado para analisar automaticamente os ECGs e oferecer suporte diagnóstico, auxiliando profissionais de saúde a realizar diagnósticos mais rápidos e precisos.
Palavras-chave: arritmia cardíaca, rede neural convolucional, Eletrocardiograma