Please use this identifier to cite or link to this item:
http://riu.ufam.edu.br/handle/prefix/8062| metadata.dc.type: | Trabalho de Conclusão de Curso |
| Title: | Detecção de sons respiratórios adventícios utilizando TensorFlow Lite |
| metadata.dc.creator: | Brandão, André Luiz Miranda |
| metadata.dc.contributor.advisor1: | Souto, Eduardo James Pereira |
| metadata.dc.contributor.referee1: | Giusti, Rafael |
| metadata.dc.contributor.referee2: | Colonna , Juan Gabriel |
| metadata.dc.description.resumo: | Neste trabalho, propõe-se o desenvolvimento de um sistema de reconhecimento de sons respiratórios anormais, como sibilos e estertores, utilizando o framework TensorFlow Lite. Para atingir esse objetivo, foi proposto um modelo de rede neural combinando CNN (Convolutional Neural Network) e LSTM (Long Short-Term Memory), e o conjunto de dados utilizado foi o ICBHI 2017. Duas instâncias do modelo proposto foram treinadas e validadas e, posteriormente, convertidas para TensorFlow Lite, com a implementação de uma prova de conceito. Os resultados alcançados pelo modelo proposto demonstraram uma acurácia de 94% para estertores e 96% para sibilos. |
| Abstract: | In this work, we aim to develop a system for recognizing adventitious respiratory sounds, such as wheezes and crackles, using the framework TensorFlow Lite. To achieve this goal, we proposed a model combining Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM), and the dataset used was the ICBHI 2017. Two instances of the proposed model were trained and validated and then converted to TensorFlow Lite, with the implementation of a proof of concept. The results obtained by the proposed model showed an accuracy of 94% for crackles and 96% for wheezes. |
| Keywords: | Redes Neurais Convolucionais Redes Neurais Recorrentes de Longa Memória Sons Respiratórios Adventícios Aprendizagem Profunda Coeficientes Cepstrais de Frequência Mel |
| metadata.dc.subject.cnpq: | CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO |
| metadata.dc.language: | por |
| metadata.dc.publisher.country: | Brasil |
| metadata.dc.publisher.department: | FT - Faculdade de Tecnologia |
| metadata.dc.publisher.course: | Engenharia da Computação - Bacharelado - Manaus |
| metadata.dc.rights: | Acesso Aberto |
| metadata.dc.rights.uri: | https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| URI: | http://riu.ufam.edu.br/handle/prefix/8062 |
| metadata.dc.subject.controlado: | . . |
| Appears in Collections: | Trabalho de Conclusão de Curso - Graduação - Engenharias |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| TCC_AndreLuizBrandao.pdf | 3,1 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.