Ciências Exatas e da Terra
Ciência da Computação
Resumo
As doenças cardiovasculares figuram entre as principais causas de mortalidade global, exigindo o desenvolvimento de tecnologias acessíveis para diagnóstico precoce. Este projeto aborda essa necessidade em duas fases. Na Fase I, desenvolveu-se um software baseado em rede neural convolutiva 2D (CNN 2D) para classificar arritmias cardíacas a partir do MIT-BIH Arrhythmia Database, atingindo uma acurácia de 95,85%. A Fase II propõe a implementação desse modelo em um sistema portátil e de baixo custo para classificação de ECG em tempo real, aplicando o conceito de inteligência artificial embarcada (Edge AI). O hardware é composto por Raspberry Pi 4, sensor AD8232 e conversor ADS1115, responsáveis pela aquisição e digitalização do sinal cardíaco. O modelo otimizado foi convertido para TensorFlow Lite, permitindo a inferência local com alta eficiência energética. O sistema capta, filtra e segmenta o sinal em tempo real, classificando-o em sinal normal ou alterado (com arritmia). Em casos de anomalia, o dispositivo aciona um alerta sonoro, exibe o diagnóstico e o traçado em uma interface gráfica Tkinter, e registra automaticamente o trecho relevante. Estes registros podem ser enviados remotamente para validação médica, estabelecendo o dispositivo como uma ferramenta de apoio ao diagnóstico e monitoramento. O projeto demonstra a viabilidade de soluções biomédicas de baixo custo baseadas em Edge AI, oferecendo uma alternativa eficiente para triagem de arritmias em locais com recursos limitados.
Palavras-chave: Edge AI, Arritmia Cardíaca, ECG Portátil