CLASSIFICAÇÃO DE ARRITMIAS CARDÍACAS ATRAVÉS DE DESCRITORES DE ELETROCARDIOGRAMA UTILIZANDO

REDES COMPETITIVAS

Cicília Raquel Maia Leite – ciciliamaia@gmail.com

2

EQUIPE/LABORATÓRIOS

Cicília R. M. Leite

Daniel L. Martins

Gláucia R. M. A. Sizilio

Keylly E. A. dos Santos

Bruno G. De Araújo

Ricardo A. de M. Valentim

Adrião D. D. Neto

Jorge D. de Melo

Ana M. G. Guerreiro

TÓPICOS ABORDADOS

Introdução

Objetivo

Eletrocardiograma

Rede competitiva

Experimentos e resultados

Considerações finais

4

INTRODUÇÃO

“Cada centavo gasto com a prevenção, torna possível a economia de quatro centavos”.

OMS 2009

“Informações em tempo hábil de um paciente internado em UTI podem evitar que a equipe médica cometa erros irreversíveis”.

5

INTRODUÇÃO

Exigência do mercado:

– Identificação de oportunidades;

– Buscar por soluções em menor tempo;

– Menor gasto na aquisição de equipamentos, desenvolvimento de sistemas e otimização de processos.

Dificuldades inerentes ao monitoramento:

– Torna bastante complexo o controle e gerenciamento dos dados que subsidiam informações no apoio à tomada de decisão, principalmente na área médica.

•Ação no momento preciso;

•Acesso ao que seja relevante;

•Prevenção/Previsão.

6

INTRODUÇÃO

Classificar trechos de um ECG (Eletrocardiograma)

utilizando Redes Neurais Competitivas com o

objetivo de identificar arritmia cardíaca.

7

OBJETIVO

problema complexo:

– tratar com vidas e com múltiplas variáveis;

– melhorar as condições de controle, gerenciamento e monitoramento;

– melhorar a qualidade do atendimento;

– otimizar o fluxo de processos.

novas tecnologias:

– aplicar de técnicas de sistemas inteligentes (neural, mineração de dados, fuzzy, etc.);

– utilização de novos equipamentos - computação móvel.

8

CENÁRIO - SOLUÇÃO

Paciente internado em UTI: acompanhamento contínuo dos seus sinais vitais.

Aparelhos ligados ao paciente captam as informações dos sinais vitais.

Processamento digital de sinais – aplicado na filtragem do sinal capturado, visando eliminar ruídos.

Comunicação - Médico - receber informações, permitindo intervenção em tempo hábil.

9

CENÁRIO - SOLUÇÃO

10

ELETROCARDIOGRAMA

É o teste mais frequentemente utilizado na cardiologia para medir a atividade do coração.

É um gráfico variante no tempo que apresenta as tensões produzidas pelo miocárdio durante o ciclo cardíaco.

Cada batimento cardíaco é exibido como uma série de ondas elétricas caracterizada por picos e vales.

Rede Neural com treinamento não supervisionado a qual extrai informação somente dos padrões de entrada sem a necessidade de uma resposta desejada.

Suas saídas competem entre si para melhor representar a entrada da rede.

Bastante utilizada em clusterização.

11

REDE COMPETITIVA

Modelo de uma Rede Competitiva

Base de dados Arrythmia (MIT/BIH Arrythmia Database), que é uma base de dados utilizada para o desenvolvimento e avaliação de arritmias.

Java – utilizado para fazer a extração dos trechos de ECG. Matlab – usado para fazer o experimento com a rede

competitiva Os sinais de ECG foram separados em trechos, formando

2 conjuntos de dados: amostras com Contração Ventricular Prematura e amostras com batimento normal.

No pré-processamento foram extraídos os descritores (P, Q, R, S, U) de cada amostra.

12

EXPERIMENTO E RESULTADOS

A análise do sinal é realizada através de quatro etapas:

Etapas do Processamento Digital do Sinal

13

EXPERIMENTO E RESULTADOS

AQUISIÇÃO DEDADOS

ECG

PRÉ-PROCESSAMENTO

EXTRAÇÃO DASCARACTERÍSTICAS

ANÁLISEDO

SINAL

14

EXPERIMENTO E RESULTADOS

Tela do software desenvolvido para auxiliar no pré-processamento

15

EXPERIMENTO E RESULTADOS

Com a realização dos resultados, foi possível obter a matriz de confusão abaixo.

PVC Normal

PVC 0.78 0.22

Normal 0.16 0.84

Matriz de confusão dos resultados

Os objetivos do trabalho foram atingidos.

Dificuldades:– acesso a um profissional da área médica

especialista em ECG; – definição dos descritores, incluindo a margem

de normalidade de cada um; – detectar e acessar uma base de dados com

dados reais.

16

CONSIDERAÇÕES FINAIS

Trabalhos futuros podem ser desenvolvidos a partir deste como, por exemplo:– realizar todas as classificação das patologias;– o processamento do sinal do ECG utilizando uma

maior quantidade de pontos; – a implementação de um BD para armazenar

informações sobre os pacientes e os sinais processados;

– a avaliação de um conjunto mais amplo de descritores;

– a avaliação de questões de desempenho.

17

CONSIDERAÇÕES FINAIS

18

AGRADECIMENTOS

Ao Capes e CNPq pelo apoio financeiro. Ao Laboratório de Sistemas Inteligentes

(LABSIS) da UFRN. Ao Laboratório de Automação

Hospitalar e Bioengenharia (LAHB) da UFRN.

19

Perguntas ?